| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状及存在的问题 | 第11-14页 |
| 1.2.1 Q学习算法研究现状 | 第11-12页 |
| 1.2.2 人工情感模型研究现状 | 第12-14页 |
| 1.3 本文研究内容 | 第14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第2章 应用于虚拟玩偶人工情感模型的Q学习算法研究 | 第16-31页 |
| 2.1 Q学习算法及SCSF-Q学习算法 | 第16-17页 |
| 2.2 Q学习算法及SCSF-Q学习算法存在的问题 | 第17-19页 |
| 2.3 单链逆栈Q学习算法 | 第19-24页 |
| 2.3.1 改进思想 | 第19-20页 |
| 2.3.2 SCIS-Q学习算法描述 | 第20-22页 |
| 2.3.3 SCIS-Q学习算法仿真实验及分析 | 第22-24页 |
| 2.4 混合单链逆栈Q学习算法 | 第24-30页 |
| 2.4.1 改进思想 | 第24-25页 |
| 2.4.2 HSCIS-Q学习算法描述 | 第25-27页 |
| 2.4.3 HSCIS-Q学习算法仿真实验及分析 | 第27-30页 |
| 2.5 算法实验结果总结 | 第30页 |
| 2.6 本章小结 | 第30-31页 |
| 第3章 基于认知评价的分层情感模型研究 | 第31-47页 |
| 3.1 分层情感模型 | 第31-35页 |
| 3.1.1 分层情感模型基础 | 第31-33页 |
| 3.1.2 分层情感模型关键点分析 | 第33-35页 |
| 3.2 基于认知评价的分层情感模型存在的问题 | 第35-36页 |
| 3.3 改进的分层情感模型 | 第36-42页 |
| 3.3.1 模型心理学依据 | 第36页 |
| 3.3.2 改进的分层情感模型框架 | 第36-38页 |
| 3.3.3 改进的认知评价方法 | 第38-41页 |
| 3.3.4 PAD空间情感的计算方法 | 第41-42页 |
| 3.4 仿真实验验证 | 第42-46页 |
| 3.4.1 仿真实验环境 | 第42页 |
| 3.4.2 认知评价方法实验结果分析 | 第42-45页 |
| 3.4.3 情感计算方法实验结果分析 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 基于Q学习算法的虚拟玩偶情感模型设计与仿真实验 | 第47-64页 |
| 4.1 虚拟玩偶情感模型应用场景描述 | 第47页 |
| 4.2 虚拟玩偶情感模型框架 | 第47-48页 |
| 4.3 虚拟玩偶情感推理系统设计 | 第48-54页 |
| 4.3.1 性格与心境的映射计算 | 第48-49页 |
| 4.3.2 玩偶心境衰减机制设定 | 第49-50页 |
| 4.3.3 评价向量和心境向量隶属度函数确定 | 第50-52页 |
| 4.3.4 玩偶知识库设计 | 第52-54页 |
| 4.4 虚拟玩偶情感决策系统设计 | 第54-58页 |
| 4.4.1 虚拟玩偶情感决策系统框架 | 第54-55页 |
| 4.4.2 虚拟玩偶行为动作选择策略 | 第55-57页 |
| 4.4.3 虚拟玩偶学习目标及奖励策略 | 第57页 |
| 4.4.4 玩偶行为动作库设计 | 第57-58页 |
| 4.5 仿真实验描述 | 第58页 |
| 4.5.1 实验目的 | 第58页 |
| 4.5.2 实验环境 | 第58页 |
| 4.6 情感推理仿真实验结果及分析 | 第58-61页 |
| 4.6.1 不同个性对情感影响测试 | 第58-60页 |
| 4.6.2 不同输入事件对情感影响测试 | 第60-61页 |
| 4.7 情感决策仿真实验结果及分析总结 | 第61-62页 |
| 4.7.1 情感决策系统测试 | 第61-62页 |
| 4.7.2 虚拟玩偶学习效率测试 | 第62页 |
| 4.8 本章小结 | 第62-64页 |
| 第5章 总结与展望 | 第64-66页 |
| 5.1 本文总结 | 第64页 |
| 5.2 研究展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻读学位期间获得与学位论文相关的科研成果目录 | 第70-71页 |
| 附录 | 第71-76页 |
