| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 课题研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.3 论文的研究内容及组织结构 | 第17-18页 |
| 1.4 本章小结 | 第18-19页 |
| 第二章 脑电与情感识别的相关知识概述 | 第19-30页 |
| 2.1 情感的相关背景知识 | 第19-21页 |
| 2.1.1 情感的定义 | 第19-20页 |
| 2.1.2 情感的划分 | 第20-21页 |
| 2.2 脑电的相关知识背景 | 第21-25页 |
| 2.2.1 大脑的结构和功能 | 第21-23页 |
| 2.2.2 脑电产生的原理 | 第23-24页 |
| 2.2.3 脑电信号的特征 | 第24-25页 |
| 2.3 眼电伪迹去除方法 | 第25-29页 |
| 2.3.1 伪迹减法 | 第25-26页 |
| 2.3.2 独立成分分析 | 第26-27页 |
| 2.3.3 小波变换 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于多变量经验模态分解和独立成分分析的去眼电伪迹算法 | 第30-44页 |
| 3.1 引言 | 第30页 |
| 3.2 问题的提出 | 第30-32页 |
| 3.3 基于MEMD和ICA的去眼电伪迹算法 | 第32-37页 |
| 3.3.1 多变量经验模态分解 | 第32-35页 |
| 3.3.2 算法的实现过程 | 第35-37页 |
| 3.4 实验与分析 | 第37-43页 |
| 3.4.1 数据集介绍 | 第37-38页 |
| 3.4.2 实验评估方法 | 第38-39页 |
| 3.4.3 实验结果及分析 | 第39-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 基于卷积神经网络的脑电情感识别模型 | 第44-63页 |
| 4.1 脑电信号的处理框架 | 第44-46页 |
| 4.2 卷积神经网络介绍 | 第46-50页 |
| 4.2.1 网络组成 | 第46-49页 |
| 4.2.2 局部感知和权值共享 | 第49-50页 |
| 4.3 基于CNN的情感识别模型 | 第50-55页 |
| 4.3.1 微分熵相关矩阵特征(DE-PCCM)提取 | 第50-54页 |
| 4.3.2 CNN网络结构设计 | 第54-55页 |
| 4.4 实验结果与分析 | 第55-62页 |
| 4.4.1 实验设计 | 第55-57页 |
| 4.4.2 实验结果及分析 | 第57-62页 |
| 4.5 本章小结 | 第62-63页 |
| 总结与展望 | 第63-66页 |
| 参考文献 | 第66-74页 |
| 攻读硕士学位期间取得的研究成果 | 第74-75页 |
| 致谢 | 第75-77页 |
| 附件 | 第77页 |