| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 引言 | 第8-9页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 选题背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 智能机器人的研究现状 | 第10-11页 |
| 1.2.2 人工情感的研究现状 | 第11-12页 |
| 1.3 选题意义 | 第12-14页 |
| 第2章 人工情感和情感模型 | 第14-22页 |
| 2.1 人工情感 | 第14-17页 |
| 2.1.1 情感种类 | 第14-15页 |
| 2.1.2 行为表达 | 第15-17页 |
| 2.2 情感模型 | 第17-22页 |
| 2.2.1 OCC模型 | 第18-20页 |
| 2.2.2 隐马尔可夫模型 | 第20-22页 |
| 第3章 人工神经网络和强化学习理论 | 第22-33页 |
| 3.1 人工神经网络 | 第22-26页 |
| 3.1.1 人工神经元模型 | 第22-23页 |
| 3.1.2 BP神经网络 | 第23-26页 |
| 3.2 强化学习 | 第26-33页 |
| 3.2.1 强化学习理论 | 第27-30页 |
| 3.2.2 马尔可夫决策 | 第30页 |
| 3.2.3 Q-learning算法 | 第30-33页 |
| 第4章 基于Q-learning的情感决策方法 | 第33-41页 |
| 4.1 情感认知评价 | 第33-34页 |
| 4.2 情感交互框架的搭建 | 第34-36页 |
| 4.3 改进的Q-learning算法 | 第36-38页 |
| 4.4 改进的Q-learning算法实验结果与分析 | 第38-41页 |
| 第5章 基于AAM的人脸识别方法 | 第41-49页 |
| 5.1 AAM算法 | 第41-44页 |
| 5.1.1 AAM模型搭建 | 第41-43页 |
| 5.1.2 AAM算法实现 | 第43-44页 |
| 5.2 改进AAM算法 | 第44-47页 |
| 5.2.1 改进AAM建模 | 第44-45页 |
| 5.2.2 改进AAM算法 | 第45-47页 |
| 5.3 实时交互系统中的人脸特征检测 | 第47-49页 |
| 第6章 人机情感交互实验 | 第49-56页 |
| 6.1 情感状态的获取 | 第49-50页 |
| 6.2 情感状态的转移 | 第50-53页 |
| 6.3 情感行为的表达 | 第53-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 导师简介 | 第61-62页 |
| 作者简介 | 第62-63页 |
| 学位论文数据集 | 第63页 |