| 摘要 | 第3-5页 |
| abstract | 第5-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.2.1 情感脑电识别研究现状 | 第11-13页 |
| 1.2.2 RVM算法研究现状 | 第13页 |
| 1.3 情感脑电识别存在的问题 | 第13-14页 |
| 1.4 研究内容及论文安排 | 第14-16页 |
| 第二章 脑电信号情感识别理论基础 | 第16-38页 |
| 2.1 情感和情感计算 | 第16-17页 |
| 2.2 情感模型 | 第17-20页 |
| 2.2.1 离散情感模型 | 第17页 |
| 2.2.2 连续情感模型 | 第17-19页 |
| 2.2.3 基于认知评价的情感模型 | 第19-20页 |
| 2.3 脑电信号的特点 | 第20-22页 |
| 2.3.1 大脑皮层的结构 | 第20页 |
| 2.3.2 脑电信号的分类 | 第20-22页 |
| 2.3.3 脑电信号与情感的关系 | 第22页 |
| 2.4 脑电信号情感识别原理框图 | 第22页 |
| 2.5 脑电信号的特征提取 | 第22-26页 |
| 2.5.1 功率谱熵 | 第23-24页 |
| 2.5.2 近似熵 | 第24-25页 |
| 2.5.3 样本熵 | 第25-26页 |
| 2.5.4 Hurst指数 | 第26页 |
| 2.6 基于脑电信号的模式分类 | 第26-36页 |
| 2.6.1 常用的分类模型 | 第26-30页 |
| 2.6.2 RVM分类器 | 第30-36页 |
| 2.7 本章小结 | 第36-38页 |
| 第三章 基于二分类RVM的脑电信号情感识别 | 第38-50页 |
| 3.0 基于SVM的脑电信号情感识别算法 | 第38-39页 |
| 3.1 基于RVM的脑电信号情感识别算法 | 第39-41页 |
| 3.2 SVM和RVM的模式性能分析对比 | 第41-43页 |
| 3.3 实验仿真 | 第43-49页 |
| 3.3.1 实验数据 | 第43-44页 |
| 3.3.2 脑电信号的预处理 | 第44-45页 |
| 3.3.3 特征提取 | 第45-47页 |
| 3.3.4 实验与结果分析 | 第47-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第四章 基于改进多分类RVM的脑电信号情感识别 | 第50-62页 |
| 4.1 基于RVM的多模式分类算法 | 第50-53页 |
| 4.1.1 OAA算法 | 第50-51页 |
| 4.1.2 OAO算法 | 第51-53页 |
| 4.2 多分类模式的改进——“OAA-OAO”二层分类算法 | 第53-54页 |
| 4.2.1 改进的多分类算法原理及流程图 | 第53-54页 |
| 4.3 实验仿真 | 第54-60页 |
| 4.3.1 特征提取与融合 | 第54-57页 |
| 4.3.2 实验及结果分析 | 第57-60页 |
| 4.4 本章小结 | 第60-62页 |
| 第五章 总结与展望 | 第62-66页 |
| 5.1 本文总结 | 第62-63页 |
| 5.2 工作展望 | 第63-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72-74页 |
| 攻读学位期间发表的学术论文目录 | 第74页 |