基于心肺系统的情绪识别研究
| 摘要 | 第8-10页 |
| Abstract | 第10-12页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 基于生理信号的情绪识别研究现状 | 第14-17页 |
| 1.3 研究内容及章节安排 | 第17-19页 |
| 第二章 情感生理信号采集及预处理 | 第19-25页 |
| 2.1 情感生理信号采集 | 第19-21页 |
| 2.2 生理信号的预处理 | 第21-23页 |
| 2.3 本章小结 | 第23-25页 |
| 第三章 脉搏信号的特征提取 | 第25-39页 |
| 3.1 脉搏特征点的识别 | 第25-27页 |
| 3.1.1 波峰位置识别 | 第25-26页 |
| 3.1.2 脉搏起点识别 | 第26-27页 |
| 3.2 脉搏信号的形态学时间序列提取 | 第27-31页 |
| 3.2.1 去除基线漂移 | 第27-29页 |
| 3.2.2 上升支时间序列 | 第29-30页 |
| 3.2.3 下降支时间序列 | 第30页 |
| 3.2.4 全周期时间序列 | 第30-31页 |
| 3.3 脉搏信号的集成经验模态分解 | 第31-37页 |
| 3.3.1 经验模态分解 | 第31-32页 |
| 3.3.2 集成经验模态分解 | 第32-35页 |
| 3.3.3 基于EEMD的脉搏时间序列分解 | 第35-37页 |
| 3.4 脉搏时间序列的特征提取 | 第37-38页 |
| 3.4.1 时域特征 | 第37-38页 |
| 3.4.2 频域特征 | 第38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 呼吸信号的特征提取 | 第39-49页 |
| 4.1 多尺度熵算法 | 第39-43页 |
| 4.1.1 多尺度熵 | 第39-40页 |
| 4.1.2 组合多尺度熵 | 第40-41页 |
| 4.1.3 改进的多尺度熵 | 第41-43页 |
| 4.2 基于多尺度熵的呼吸特征提取 | 第43-47页 |
| 4.2.1 重采样频率和尺度因子的选择 | 第43-45页 |
| 4.2.2 阈值因子的确定 | 第45-47页 |
| 4.3 呼吸信号的时域和频域特征提取 | 第47-48页 |
| 4.3.1 时域特征 | 第47-48页 |
| 4.3.2 频域特征 | 第48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 基于心肺系统的情绪识别模型 | 第49-61页 |
| 5.1 基于ReliefF算法的特征选择 | 第49-54页 |
| 5.2 随机森林算法及参数优化 | 第54-56页 |
| 5.2.1 随机森林算法 | 第54-55页 |
| 5.2.2 情绪识别模型参数的确定 | 第55-56页 |
| 5.3 基于随机森林的情绪识别模型建立与评估 | 第56-60页 |
| 5.3.1 情绪识别模型的构建 | 第56页 |
| 5.3.2 情绪识别结果分析 | 第56-59页 |
| 5.3.3 情绪识别特征重要性评估分析 | 第59-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 附录 | 第63-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-77页 |
| 攻读硕士论文期间发表的论文 | 第77-78页 |
| 学位论文评阋及答辩情况表 | 第78页 |
