| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景及意义 | 第9页 |
| ·研究现状 | 第9-10页 |
| ·论文研究的内容 | 第10-11页 |
| ·论文的创新点 | 第11-12页 |
| ·论文的整体结构 | 第12-13页 |
| 第二章 皮肤电信号的采集 | 第13-19页 |
| ·皮肤电信号(GSR)简介 | 第13-14页 |
| ·皮肤电信号采集 | 第14-18页 |
| ·实验方案 | 第14-16页 |
| ·GSR信号的采集 | 第16-18页 |
| ·小结 | 第18-19页 |
| 第三章 皮肤电信号的特征提取 | 第19-25页 |
| ·信号的预处理 | 第19-20页 |
| ·GSR信号的下采样 | 第19页 |
| ·GSR信号的降噪过程 | 第19-20页 |
| ·GSR信号的数据标准化 | 第20页 |
| ·GSR信号的统计特征提取 | 第20-23页 |
| ·数据归一化处理 | 第23-24页 |
| ·小结 | 第24-25页 |
| 第四章 特征选择优化算法及分类器设计 | 第25-39页 |
| ·特征选择 | 第25页 |
| ·粒子群优化算法 | 第25-28页 |
| ·基本的粒子群算法简介 | 第25-27页 |
| ·粒子群算法参数影响 | 第27-28页 |
| ·加入免疫机制的粒子群算法 | 第28-30页 |
| ·免疫系统简介 | 第28-29页 |
| ·基于免疫机制的粒子群优化算法 | 第29-30页 |
| ·模拟退火系统简介 | 第30-33页 |
| ·模拟退火算法的基本思想 | 第30-31页 |
| ·基于模拟退火思想的免疫粒子群算法 | 第31-32页 |
| ·模拟退火免疫粒子群算法原理 | 第32-33页 |
| ·分类器设计 | 第33-36页 |
| ·分类器的概述与选择 | 第34页 |
| ·Fisher分类器算法的实现 | 第34-36页 |
| ·适应度函数的选择 | 第36-37页 |
| ·Fisher分类器在情感识别中的应用 | 第37-38页 |
| ·小结 | 第38-39页 |
| 第五章 基于皮肤电信号的情感识别模型的建立 | 第39-53页 |
| ·GSR信号情感识别的结果分析 | 第39-40页 |
| ·基本粒子群算法用于GSR信号情感识别的结果分析 | 第40-42页 |
| ·免疫粒子群算法用于GSR信号情感识别的结果分析 | 第42-45页 |
| ·模拟退火免疫粒子群算法用于GSR信号情感识别的结果分析 | 第45-50页 |
| ·小结 | 第50-53页 |
| 第六章 总结与展望 | 第53-55页 |
| ·总结 | 第53-54页 |
| ·展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录 | 第59-73页 |
| 致谢 | 第73-75页 |
| 攻读硕士期间研究成果及发表的学术论文 | 第75页 |