基于心电和脉搏信号的情绪识别研究
| 中文摘要 | 第12-14页 |
| ABSTRACT | 第14-15页 |
| 第一章 绪论 | 第16-24页 |
| 1.1 论文研究背景及意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-20页 |
| 1.2.1 情绪识别研究现状 | 第17-18页 |
| 1.2.2 基于生理信号的情绪识别研究现状 | 第18-20页 |
| 1.3 目前存在的问题 | 第20页 |
| 1.4 主要研究内容与论文结构 | 第20-24页 |
| 1.4.1 主要研究内容 | 第20-21页 |
| 1.4.2 论文结构 | 第21-24页 |
| 第二章 情感生理信号的采集与预处理 | 第24-38页 |
| 2.1 情绪的定义和模型分类 | 第24-25页 |
| 2.2 情感生理信号的选取及其特性 | 第25-27页 |
| 2.2.1 心电信号及特性 | 第25-26页 |
| 2.2.2 脉搏信号及特性 | 第26-27页 |
| 2.3 生理信号的情绪诱发实验范式设计 | 第27-29页 |
| 2.3.1 情绪诱发方式与素材的选取 | 第27-28页 |
| 2.3.2 情绪诱发实验范式设计 | 第28-29页 |
| 2.4 实验方法与数据采集 | 第29-33页 |
| 2.4.1 实验设备简介 | 第29-30页 |
| 2.4.2 实验步骤与方法 | 第30-31页 |
| 2.4.3 实验数据采集 | 第31-33页 |
| 2.5 心电和脉搏信号预处理 | 第33-37页 |
| 2.5.1 去除基线漂移与工频干扰 | 第33-35页 |
| 2.5.2 去除伪迹与噪声 | 第35页 |
| 2.5.3 结果分析 | 第35-37页 |
| 2.6 本章小结 | 第37-38页 |
| 第三章 情感生理信号特征提取 | 第38-54页 |
| 3.1 特征提取概述 | 第39页 |
| 3.2 线性特征提取 | 第39-47页 |
| 3.2.1 时域特征提取 | 第39-41页 |
| 3.2.2 时域特征提取结果分析 | 第41-44页 |
| 3.2.3 时频特征提取 | 第44-45页 |
| 3.2.4 时频特征提取结果分析 | 第45-47页 |
| 3.3 非线性特征提取 | 第47-51页 |
| 3.3.1 相空间重构 | 第47页 |
| 3.3.2 关联维数 | 第47-48页 |
| 3.3.3 最大lyapunov指数 | 第48页 |
| 3.3.4 样本熵与近似熵 | 第48-49页 |
| 3.3.5 非线性特征提取结果分析 | 第49-51页 |
| 3.4 本章小结 | 第51-54页 |
| 第四章 多特征融合的情感分类研究 | 第54-64页 |
| 4.1 贝叶斯方法 | 第54-58页 |
| 4.1.1 贝叶斯理论概述 | 第54-55页 |
| 4.1.2 贝叶斯网络 | 第55页 |
| 4.1.3 基于朴素贝叶斯分类器的特征分类 | 第55-56页 |
| 4.1.4 贝叶斯分类的仿真结果分析 | 第56-58页 |
| 4.2 栈式自编码算法 | 第58-62页 |
| 4.2.1 自编码神经网络 | 第58-59页 |
| 4.2.2 稀疏自编码器学习算法 | 第59页 |
| 4.2.3 Softmax回归 | 第59-60页 |
| 4.2.4 栈式自编码算法的仿真结果与分析 | 第60-62页 |
| 4.3 本章小结 | 第62-64页 |
| 第五章 基于脉搏和心电信号的不同情绪模式识别分析 | 第64-70页 |
| 5.1 正负性情绪融合识别 | 第64-65页 |
| 5.2 单一情绪模式识别 | 第65-66页 |
| 5.3 六种基本情绪识别 | 第66-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 攻读学位期间取得的研究成果 | 第76-77页 |
| 致谢 | 第77-78页 |
| 个人简况及联系方式 | 第78-79页 |
