基于脑电信号的情感识别研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究目的及意义 | 第8页 |
| 1.2 研究现状 | 第8-10页 |
| 1.2.1 国内研究状状 | 第8-9页 |
| 1.2.2 国外研究现状 | 第9-10页 |
| 1.3 本论文的主要结构 | 第10-11页 |
| 1.4 本章小结 | 第11-12页 |
| 第二章 脑电信号和情绪的相关知识 | 第12-21页 |
| 2.1 大脑的基本知识 | 第12-16页 |
| 2.1.1 大脑的基本结构和功能 | 第12-14页 |
| 2.1.2 脑电信号的特点 | 第14-15页 |
| 2.1.3 脑电信号的节律性 | 第15-16页 |
| 2.2 基于脑电信号的情绪理论 | 第16-19页 |
| 2.2.1 情感的定义 | 第16-17页 |
| 2.2.2 情感的生理学基础 | 第17-18页 |
| 2.2.3 情感的数学模型 | 第18-19页 |
| 2.2.4 情绪的诱发方式 | 第19页 |
| 2.3 本章小结 | 第19-21页 |
| 第三章 数据采集方案设计 | 第21-25页 |
| 3.1 数据采集目的 | 第21页 |
| 3.2 数据采集平台 | 第21-22页 |
| 3.3 实验素材 | 第22页 |
| 3.4 实验对象和环境 | 第22-23页 |
| 3.5 数据采集流程 | 第23-24页 |
| 3.6 本章小结 | 第24-25页 |
| 第四章 脑电信号的特征提取 | 第25-39页 |
| 4.1 脑电信号的预处理 | 第25-26页 |
| 4.1.1 脑电信号的处理流程 | 第25页 |
| 4.1.2 脑电信号的预处理 | 第25-26页 |
| 4.2 脑电信号的线性分析方法 | 第26-35页 |
| 4.2.1 基本的线性分析方法 | 第26-28页 |
| 4.2.2 基于双树复小波分析的能量特征 | 第28-32页 |
| 4.2.3 基于双树复小波能量的数据分析 | 第32-35页 |
| 4.3 脑电信号的非线性动力学分析法 | 第35-38页 |
| 4.3.1 近似熵 | 第35-36页 |
| 4.3.2 赫斯特指数 | 第36页 |
| 4.3.3 分形维数 | 第36-37页 |
| 4.3.4 非线性动力学三种分析方法比较 | 第37-38页 |
| 4.4 本章小结 | 第38-39页 |
| 第五章 脑电信号的模式分类 | 第39-49页 |
| 5.1 模式分类的主要方法 | 第39-40页 |
| 5.1.1 无监督学习 | 第39-40页 |
| 5.1.2 有监督学习 | 第40页 |
| 5.2 基于网格搜索优化的支持向量机 | 第40-47页 |
| 5.2.1 支持向量机的基本理论 | 第40-46页 |
| 5.2.2 改进的网格搜索优化参数 | 第46-47页 |
| 5.3 基于多个特征参数的SVM分类识别 | 第47-48页 |
| 5.4 本章小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 附录1 攻读硕士学位期间申请的专利 | 第54-55页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第55-56页 |
| 致谢 | 第56页 |
