| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 第一章 引言 | 第9-15页 |
| ·情感计算背景及意义 | 第9-10页 |
| ·情感计算的国内外研究现状 | 第10-12页 |
| ·目前研究存在的问题 | 第12-13页 |
| ·具体工作及内容安排 | 第13-15页 |
| 第二章 皮肤电信号样本库的建立和处理 | 第15-19页 |
| ·皮肤电(GSR)信号 | 第15-16页 |
| ·皮肤电(GSR)信号的采集方案 | 第16-18页 |
| ·情感信号激发素材库的建立 | 第16-17页 |
| ·采集系统 | 第17-18页 |
| ·采集过程 | 第18页 |
| ·本章小结 | 第18-19页 |
| 第三章 皮肤电的截取与预处理 | 第19-23页 |
| ·皮肤电的截取 | 第19页 |
| ·皮肤电预处理 | 第19-22页 |
| ·皮肤电(GSR)的降噪 | 第19-21页 |
| ·皮肤电(GSR)的标准化 | 第21页 |
| ·皮肤电(GSR)的归一化处理 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第四章 皮肤电非线性特征提取的方法 | 第23-35页 |
| ·GSR的非线性特征时延选定 | 第23-25页 |
| ·互信息法求时延 | 第23-24页 |
| ·C-C方法求时延 | 第24-25页 |
| ·CAO方法提GSR最小取嵌入维数 | 第25-28页 |
| ·Cao方法的基本思想 | 第25-27页 |
| ·Cao方法提取最小嵌入维数及结果 | 第27-28页 |
| ·G-P算法提取GSR关联维数 | 第28-31页 |
| ·原始G-P算法对GSR提取关联维数 | 第28-29页 |
| ·加入复自相关的G-P算法思想 | 第29-31页 |
| ·GSR信号样本熵的提取 | 第31-32页 |
| ·IH-PSO算法介绍 | 第32-33页 |
| ·本章小结 | 第33-35页 |
| 第五章 GSR信号的情感识别结果分析 | 第35-63页 |
| ·分类器的选取 | 第35-38页 |
| ·非线性方法提取非线性特征的分析 | 第38-40页 |
| ·C-C算法计算GSR信号的时延结果分析 | 第39页 |
| ·加入复自相关法的G-P算法对GSR信号关联维的结果分析 | 第39页 |
| ·Cao方法计算GSR信号的最小嵌入维的结果分析 | 第39页 |
| ·GSR信号样本熵的结果分析 | 第39-40页 |
| ·GSR信号一对一的情感识别结果分析 | 第40-56页 |
| ·高兴情感分别与其他情感的识别结果分析 | 第40-43页 |
| ·悲伤情感分别与其他情感的识别结果分析 | 第43-45页 |
| ·愤怒情感分别与其他情感的识别结果分析 | 第45-48页 |
| ·厌恶情感分别与其他情感的识别结果分析 | 第48-50页 |
| ·惊奇情感分别与其他情感的识别结果分析 | 第50-53页 |
| ·恐惧情感分别与其他情感的识别结果分析 | 第53-56页 |
| ·GSR信号一对多的情感识别结果分析 | 第56-60页 |
| ·本章小结 | 第60-63页 |
| 第六章 研究总结与需进一步解决的问题 | 第63-65页 |
| ·研究总结 | 第63页 |
| ·今后需进一步解决的问题 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 攻读硕士期间研究成果及发表的学术论文 | 第71-73页 |
| 攻读硕士期间参与的研究项目 | 第73页 |