网络教学中的学习状态与学习情绪识别方法研究
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 主要研究内容和关键问题 | 第16-18页 |
| 1.4 论文组织安排 | 第18-20页 |
| 第2章 相关工作 | 第20-28页 |
| 2.1 网络教学 | 第20-21页 |
| 2.2 人脸检测 | 第21-23页 |
| 2.3 人脸特征点识别 | 第23-25页 |
| 2.4 分类算法简介 | 第25-27页 |
| 2.4.1 支持向量机 | 第25页 |
| 2.4.2 K最近邻分类算法 | 第25-26页 |
| 2.4.3 决策树分类算法 | 第26页 |
| 2.4.4 朴素贝叶斯分类算法 | 第26-27页 |
| 2.4.5 人工神经网络 | 第27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于支持向量机的学习状态识别方法研究 | 第28-42页 |
| 3.1 基本思想 | 第28-30页 |
| 3.2 特征点识别 | 第30-32页 |
| 3.3 特征动作的定义与识别 | 第32-37页 |
| 3.3.1 特征动作的定义 | 第32页 |
| 3.3.2 闭眼特征动作的识别 | 第32-33页 |
| 3.3.3 打哈欠与嘴紧闭特征动作的识别 | 第33-34页 |
| 3.3.4 点头瞌睡特征动作的识别 | 第34页 |
| 3.3.5 视角变化特征动作的识别 | 第34-36页 |
| 3.3.6 身体前倾特征动作的识别 | 第36页 |
| 3.3.7 特征动作识别结果 | 第36-37页 |
| 3.4 基于支持向量机的学习状态分类 | 第37-39页 |
| 3.5 实验结果 | 第39-40页 |
| 3.6 结果对比 | 第40-41页 |
| 3.7 本章小结 | 第41-42页 |
| 第4章 基于卷积网络的学习情绪识别方法研究 | 第42-57页 |
| 4.1 基本思想 | 第42-44页 |
| 4.2 数据集的获取 | 第44-48页 |
| 4.2.1 Fer2013数据集 | 第44页 |
| 4.2.2 图片预处理 | 第44-47页 |
| 4.2.3 标定情绪权值 | 第47-48页 |
| 4.3 基于卷积神经网络的学习情绪识别 | 第48-56页 |
| 4.3.1 卷积神经网络 | 第48-49页 |
| 4.3.2 网络结构 | 第49-51页 |
| 4.3.3 网络训练 | 第51-53页 |
| 4.3.4 训练结果 | 第53-55页 |
| 4.3.5 结果对比 | 第55-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 基于学习状态和学习情绪的教学反馈系统原型 | 第57-63页 |
| 5.1 教学反馈系统及反馈规则 | 第57-58页 |
| 5.2 反馈系统架构 | 第58-61页 |
| 5.2.1 系统总体框架 | 第58-59页 |
| 5.2.2 系统部署图 | 第59页 |
| 5.2.3 系统交互流程图 | 第59-61页 |
| 5.3 系统效果图 | 第61-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 作者简介及科研成果 | 第71-72页 |
| 致谢 | 第72页 |
