| 中文摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.3 研究目的意义 | 第11-12页 |
| 1.4 本文的研究内容 | 第12页 |
| 1.5 本文的组织结构 | 第12-14页 |
| 第2章 实验设计与生理信号数据采集 | 第14-19页 |
| 2.1 实验刺激激发情绪视频材料的选取 | 第14-15页 |
| 2.2 生理信号数据同步采集相应设置 | 第15页 |
| 2.3 实验采用的实验范式 | 第15-16页 |
| 2.4 生理信号数据的采集 | 第16-17页 |
| 2.5 用户自主打分评估 | 第17-18页 |
| 2.6 本章小结 | 第18-19页 |
| 第3章 情感识别分类流程及相关算法概述 | 第19-36页 |
| 3.1 情感识别分类流程 | 第19-21页 |
| 3.1.1 生理信号处理 | 第19页 |
| 3.1.2 生理信号特征提取 | 第19-20页 |
| 3.1.3 生理信号特征约简 | 第20-21页 |
| 3.1.4 特征选择 | 第21页 |
| 3.2 情感识别分类传统分类算法介绍 | 第21-27页 |
| 3.2.1 K近邻算法 | 第21-23页 |
| 3.2.2 逻辑回归 | 第23-24页 |
| 3.2.3 支持向量机 | 第24-26页 |
| 3.2.4 决策树 | 第26页 |
| 3.2.5 集成学习 | 第26-27页 |
| 3.3 情感识别深度学习算法介绍 | 第27-35页 |
| 3.3.1 深度置信网络 | 第29-30页 |
| 3.3.2 卷积神经网络 | 第30-34页 |
| 3.3.3 神经网络的正则化 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 基于生理信号数据传统特征的情感识别分类研究 | 第36-40页 |
| 4.1 实验数据集描述 | 第36-37页 |
| 4.2 脑电数据分类 | 第37-38页 |
| 4.2.1 基于PSD特征对比实验 | 第37-38页 |
| 4.2.2 不同算法分类效果对比实验 | 第38页 |
| 4.3 实验结果分析与讨论 | 第38-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第5章 基于深度神经网络的生理信号数据情感识别研究 | 第40-50页 |
| 5.1 结合EEG利用多通道深度置信网络建立情感识别分类模型 | 第40-42页 |
| 5.1.1 模型结构 | 第40-41页 |
| 5.1.2 实验数据 | 第41页 |
| 5.1.3 数据预处理 | 第41页 |
| 5.1.4 实验结果评估 | 第41-42页 |
| 5.2 对生理信号数据重编码为图像结合CNN情感识别模型 | 第42-49页 |
| 5.2.1 实验数据集和数据预处理 | 第42-44页 |
| 5.2.2 对生理信号数据重新编码为二维图像 | 第44-45页 |
| 5.2.3 卷积神经网络模型结构 | 第45-47页 |
| 5.2.4 实验结果分析与讨论 | 第47-49页 |
| 5.3 本章小结 | 第49-50页 |
| 第6章 总结与展望 | 第50-52页 |
| 6.1 工作内容总结 | 第50页 |
| 6.2 研究展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 发表论文和参加科研情况说明 | 第56-57页 |
| 致谢 | 第57-58页 |
