| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 论文研究内容 | 第14-15页 |
| 1.4 论文的结构 | 第15-17页 |
| 第二章 心电数据情感特征值的提取 | 第17-26页 |
| 2.1 情感心电信号 | 第17-18页 |
| 2.2 心电信号的预处理 | 第18-22页 |
| 2.2.1 小波阈值去噪法 | 第18-20页 |
| 2.2.2 基于小波阈值法的去噪过程及结果 | 第20-22页 |
| 2.3 心电信号的特征提取 | 第22-25页 |
| 2.3.1 基于小波变换的P-QRS-T波检测 | 第22-24页 |
| 2.3.2 心电信号的特征值提取 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于心电数据的情感识别方法研究 | 第26-56页 |
| 3.1 基于最大最小蚁群算法结合KNN分类器的情感识别 | 第26-32页 |
| 3.1.1 最大最小蚁群算法 | 第26-29页 |
| 3.1.2 KNN分类算法 | 第29-31页 |
| 3.1.3 MMAS-KNN算法用于情感识别 | 第31-32页 |
| 3.2 基于BP神经网络的情感识别 | 第32-36页 |
| 3.2.1 BP神经网络的训练 | 第32-35页 |
| 3.2.2 BP神经网络用于情感识别 | 第35-36页 |
| 3.3 基于卷积神经网络的情感识别 | 第36-40页 |
| 3.3.1 CNN模型的训练 | 第36-38页 |
| 3.3.2 CNN用于情感识别 | 第38-40页 |
| 3.4 基于完全二叉树的SVM分类算法的情感识别 | 第40-43页 |
| 3.4.1 基于SVM的模型训练 | 第40-41页 |
| 3.4.2 基于完全二叉树的SVM分类算法 | 第41-43页 |
| 3.5 基于完全二叉树的LDA分类算法的情感识别 | 第43-46页 |
| 3.5.1 基于LDA的模型训练 | 第43-45页 |
| 3.5.2 基于完全二叉树的LDA分类算法 | 第45-46页 |
| 3.6 情感识别方法实验对比 | 第46-55页 |
| 3.6.1 实验准备及评价指标 | 第46-49页 |
| 3.6.2 实验结果与分析 | 第49-55页 |
| 3.7 本章小结 | 第55-56页 |
| 第四章 基于心电数据的情绪分析和社交分享系统设计与实现 | 第56-80页 |
| 4.1 开发环境与硬件基础 | 第56-57页 |
| 4.2 情绪分析和社交分享系统设计 | 第57-64页 |
| 4.2.1 系统需求分析 | 第57-58页 |
| 4.2.2 系统结构设计 | 第58页 |
| 4.2.3 功能模块设计 | 第58-63页 |
| 4.2.4 系统流程框图 | 第63-64页 |
| 4.3 情绪分析和社交分享系统的实现方法 | 第64-73页 |
| 4.3.1 心电数据的接收 | 第64-68页 |
| 4.3.2 心电图的绘制 | 第68-70页 |
| 4.3.3 JNI编程实现情感识别 | 第70-73页 |
| 4.4 系统成果展示 | 第73-76页 |
| 4.5 软件应用测试 | 第76-79页 |
| 4.6 本章小结 | 第79-80页 |
| 第五章 总结与展望 | 第80-82页 |
| 5.1 研究总结 | 第80-81页 |
| 5.2 未来工作展望 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 致谢 | 第86-87页 |
| 攻读硕士学位期间发表的学术论文 | 第87页 |