基于多尺度熵算法的情感识别研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.3 本文研究目的与工作内容安排 | 第15-18页 |
| 第2章 脑电与情感理论基础 | 第18-24页 |
| 2.1 脑电信号生理基础 | 第18-21页 |
| 2.1.1 脑生理结构与脑区划分 | 第18-19页 |
| 2.1.2 脑电信号电生理基础 | 第19-21页 |
| 2.2 情感理论基础 | 第21-22页 |
| 2.3 本章小结 | 第22-24页 |
| 第3章 多尺度熵特征提取算法与支持向量机 | 第24-41页 |
| 3.1 引言 | 第24-26页 |
| 3.2 熵 | 第26-29页 |
| 3.2.1 熵基本理论 | 第26页 |
| 3.2.2 近似熵算法 | 第26-27页 |
| 3.2.3 样本熵算法 | 第27-28页 |
| 3.2.4 排列熵算法 | 第28-29页 |
| 3.3 多尺度化方法 | 第29-37页 |
| 3.3.1 均值粗粒化 | 第29-30页 |
| 3.3.2 移动均值粗粒化 | 第30-32页 |
| 3.3.3 经验模态分解 | 第32-35页 |
| 3.3.4 小波变换 | 第35-37页 |
| 3.4 支持向量机分类器 | 第37-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 基于多尺度熵特征提取的情感识别 | 第41-59页 |
| 4.1 DEAP情感数据库 | 第41-43页 |
| 4.2 熵特征分析 | 第43-49页 |
| 4.3 优化支持向量机 | 第49-51页 |
| 4.4 情感识别结果分析 | 第51-58页 |
| 4.5 本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 附录 | 第64-66页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第66-67页 |
| 致谢 | 第67-68页 |
