面向智能服装的多生理信息融合的情绪判别研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-19页 |
| ·研究背景 | 第11-12页 |
| ·问题的提出与解决思路 | 第12-14页 |
| ·问题的提出 | 第12-13页 |
| ·解决思路 | 第13-14页 |
| ·研究意义和研究现状 | 第14-16页 |
| ·研究意义 | 第14-15页 |
| ·研究现状 | 第15-16页 |
| ·主要研究内容与创新点 | 第16-17页 |
| ·论文的结构安排 | 第17-19页 |
| 第二章 多源信息融合技术的综述 | 第19-41页 |
| ·引言 | 第19-20页 |
| ·多源信息融合的概念和原理 | 第20-22页 |
| ·多源信息融合算法 | 第22-30页 |
| ·Bayes 分类器及其应用 | 第23-24页 |
| ·BP 神经网络及其应用 | 第24-26页 |
| ·模糊集合理论 | 第26-27页 |
| ·D-S 证据理论及其应用 | 第27-30页 |
| ·统计学习理论 | 第30-33页 |
| ·VC 维 | 第30-31页 |
| ·推广性的界 | 第31-32页 |
| ·结构风险最小化 | 第32-33页 |
| ·支持向量机理论 | 第33-38页 |
| ·核函数 | 第35-36页 |
| ·支持向量积的二元分类算法 | 第36-38页 |
| ·多元支持向量机的分类算法 | 第38页 |
| ·常用融合算法的比较 | 第38-40页 |
| ·小结 | 第40-41页 |
| 第三章 生理信号特征提取与选择 | 第41-59页 |
| ·引言 | 第41页 |
| ·人体的生理信号 | 第41-47页 |
| ·心电信号 | 第42-43页 |
| ·呼吸信号 | 第43-44页 |
| ·体温信号 | 第44-45页 |
| ·RSA 生理现象 | 第45-47页 |
| ·生理信号的采集与处理 | 第47-49页 |
| ·心电信号的采集与处理 | 第48页 |
| ·呼吸信号的采集与处理 | 第48页 |
| ·体温信号的采集与处理 | 第48-49页 |
| ·生理信号的特征提取 | 第49-55页 |
| ·心电信号的特征提取 | 第50-53页 |
| ·呼吸信号的特征提取 | 第53-54页 |
| ·体温信号的特征提取 | 第54-55页 |
| ·RSA 生理特征提取 | 第55页 |
| ·生理信号的特征选择 | 第55-56页 |
| ·特征选择的意义 | 第55-56页 |
| ·特征选择的序列极小化方法 | 第56页 |
| ·小结 | 第56-59页 |
| 第四章 多生理信息融合的情绪判别 | 第59-71页 |
| ·引言 | 第59页 |
| ·多生理信息融合 | 第59-61页 |
| ·多生理信息融合的方法 | 第60页 |
| ·多生理信息融合的应用 | 第60-61页 |
| ·多生理信息融合的情绪判别 | 第61-62页 |
| ·情绪的作用和影响 | 第61-62页 |
| ·情绪判别的实现 | 第62-65页 |
| ·生理信号采集 | 第62-64页 |
| ·情绪主观调查表 | 第64-65页 |
| ·生理信号的特征值 | 第65页 |
| ·实验结果与分析 | 第65-69页 |
| ·特征参数的选取 | 第66-68页 |
| ·特征分类与情绪判别 | 第68-69页 |
| ·小结 | 第69-71页 |
| 第五章 多生理信息融合的情绪判别平台实现 | 第71-79页 |
| ·引言 | 第71页 |
| ·平台软件介绍 | 第71-72页 |
| ·情绪判别平台的实现 | 第72-78页 |
| ·系统平台框架图 | 第72-73页 |
| ·生理信号实时显示模块 | 第73-75页 |
| ·特征提取数据的显示模块 | 第75-77页 |
| ·情绪判别结果的显示模块 | 第77-78页 |
| ·小结 | 第78-79页 |
| 第六章 总结和展望 | 第79-83页 |
| ·总结 | 第79-80页 |
| ·展望 | 第80-83页 |
| 参考文献 | 第83-90页 |
| 致谢 | 第90-91页 |
| 攻读硕士期间参加的项目和发表的论文 | 第91页 |
