| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 引言 | 第9页 |
| 1.2 研究背景及意义 | 第9-11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.4 本文主要工作及组织结构 | 第14-16页 |
| 第二章 基于生理信号的情感识别基础理论 | 第16-24页 |
| 2.1 情感的定义 | 第16-17页 |
| 2.2 情感的分类和维度 | 第17-21页 |
| 2.2.1 情感分类 | 第17-18页 |
| 2.2.2 多维度情感分类 | 第18-21页 |
| 2.3 情感识别相关生理信号 | 第21-23页 |
| 2.3.1 皮肤电信号 | 第21-23页 |
| 2.3.2 脉搏信号 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 相关理论与技术 | 第24-32页 |
| 3.1 Web service技术 | 第24-25页 |
| 3.2 MIT情感生理数据库 | 第25-26页 |
| 3.3 生理信号处理 | 第26-31页 |
| 3.3.1 生理信号预处理 | 第26-28页 |
| 3.3.2 生理信号特征提取 | 第28-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 基于GA-AdaDelta-BP神经网络预测模型 | 第32-56页 |
| 4.1 脉搏信号的非线性特性确定 | 第32-33页 |
| 4.2 预测的概念 | 第33-35页 |
| 4.2.1 时间序列预测技术 | 第34-35页 |
| 4.3 BP神经网络 | 第35-41页 |
| 4.3.1 神经网络发展与特点 | 第35-36页 |
| 4.3.2 神经元模型和学习规则 | 第36-37页 |
| 4.3.3 BP神经网络 | 第37-41页 |
| 4.4 基于GA-AdaDelta-BP识别算法的情感识别方法 | 第41-48页 |
| 4.4.1 GA-AdaDelta-BP识别算法 | 第41-47页 |
| 4.4.2 基于GA-AdaDelta-BP识别算法的生理信号情感识别 | 第47-48页 |
| 4.5 基于GA-AdaDelta-BP预测算法的情感预测方法 | 第48-55页 |
| 4.5.1 GA-AdaDelta-BP预测算法 | 第48-50页 |
| 4.5.2 基于GA-AdaDelta-BP预测算法预测短期情感状态 | 第50-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第五章 基于多生信号情感识别与预测系统 | 第56-67页 |
| 5.1 项目背景 | 第56-57页 |
| 5.2 需求分析 | 第57-59页 |
| 5.2.1 系统功能需求 | 第57-58页 |
| 5.2.2 系统数据需求分析 | 第58-59页 |
| 5.3 系统详细设计 | 第59-66页 |
| 5.3.1 系统模块设计 | 第59-61页 |
| 5.3.2 系统环境与部署 | 第61页 |
| 5.3.3 系统数据库设计 | 第61-62页 |
| 5.3.4 系统功能实现 | 第62-66页 |
| 5.4 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 附录 1 攻读硕士学位期间申请的专利 | 第71-72页 |
| 附录 2 攻读硕士学位期间参加的科研项目 | 第72-73页 |
| 致谢 | 第73页 |
