| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 情绪研究背景 | 第9-10页 |
| 1.2 情绪识别研究意义 | 第10页 |
| 1.3 情绪识别的研究现状 | 第10-14页 |
| 1.3.1 情绪识别方法概述 | 第10-12页 |
| 1.3.2 基于脑电的情绪识别研究现状 | 第12-14页 |
| 1.4 研究内容及章节安排 | 第14-16页 |
| 第二章 情绪识别研究基础及情绪诱发 | 第16-24页 |
| 2.1 情绪的生理机制 | 第16-18页 |
| 2.1.1 脑电基础 | 第17-18页 |
| 2.2 情绪的分类模型 | 第18-19页 |
| 2.3 情绪的诱发 | 第19-20页 |
| 2.4 情绪诱发素材的选取 | 第20-23页 |
| 2.4.1 情绪视频诱发库的建立 | 第21-22页 |
| 2.4.2 情绪图片诱发库的建立 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 情绪诱发实验设计与数据预处理 | 第24-29页 |
| 3.1 实验方案 | 第24-26页 |
| 3.1.1 情绪视频诱发实验设计 | 第24页 |
| 3.1.2 情绪图片诱发实验设计 | 第24-26页 |
| 3.2 实验平台及信号采集 | 第26-27页 |
| 3.3 数据预处理 | 第27-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第四章 特征提取与分析 | 第29-46页 |
| 4.1 频域能量特征分析 | 第29-35页 |
| 4.1.1 AR 模型功率谱估计 | 第29-31页 |
| 4.1.2 频域能量谱分析结果 | 第31-35页 |
| 4.2 Fisher 可分性分析 | 第35-37页 |
| 4.2.1 FDR 算法基本原理 | 第35页 |
| 4.2.2 Fisher 可分性分析结果 | 第35-37页 |
| 4.3 不对称特征分析 | 第37-39页 |
| 4.4 统计学分析结果 | 第39-42页 |
| 4.4.1 单因素方差分析简介 | 第39-40页 |
| 4.4.2 统计分析结果 | 第40-42页 |
| 4.5 样本熵特征分析 | 第42-45页 |
| 4.5.1 样本熵的基本原理 | 第42-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第五章 不同模式的情绪脑电识别 | 第46-62页 |
| 5.1 支持向量机 | 第46-49页 |
| 5.2 单模式情绪脑电识别 | 第49-51页 |
| 5.2.1 视频诱发脑电识别——训练策略ⅠVS 策略Ⅱ | 第50-51页 |
| 5.3 基于递归特征筛选的支持向量机（SVM-RFE） | 第51-56页 |
| 5.3.1 基于 SVM-RFE 的视频诱发脑电识别 | 第52-55页 |
| 5.3.2 基于 SVM-RFE 的图片诱发脑电识别 | 第55-56页 |
| 5.4 跨诱发模式情绪脑电识别结果 | 第56-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-65页 |
| 6.1 工作总结 | 第62-63页 |
| 6.2 未来展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 发表论文和科研情况说明 | 第69-70页 |
| 附录 | 第70-72页 |
| 致谢 | 第72页 |
