基于融合核支持向量机的脑电情感识别研究
| 中文摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.2.1 基于EEG情感识别的相关研究 | 第11-12页 |
| 1.2.2 情感识别中的分类模型选择 | 第12-14页 |
| 1.3 研究目的和意义 | 第14-15页 |
| 1.4 本文研究内容 | 第15-16页 |
| 1.5 本文结构安排 | 第16-17页 |
| 第二章 EEG数据情感特征提取及SVM情感识别 | 第17-27页 |
| 2.1 中枢神经系统与EEG情感识别 | 第17-21页 |
| 2.1.1 情感维度模型 | 第17-19页 |
| 2.1.2 中枢神经系统与情感的关系 | 第19页 |
| 2.1.3 EEG技术 | 第19-21页 |
| 2.2 EEG数据预处理及情感特征提取方法 | 第21-24页 |
| 2.2.1 实验数据简介 | 第21-23页 |
| 2.2.2 EEG数据预处理及情感特征提取方法 | 第23-24页 |
| 2.3 SVM及其在情感识别中的应用 | 第24-26页 |
| 2.3.1 SVM及核函数 | 第24-25页 |
| 2.3.2 SVM模型参数选择方法 | 第25-26页 |
| 2.3.3 SVM在情感识别中的应用 | 第26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 面向情感识别的模型设计 | 第27-35页 |
| 3.1 情感识别模型框架 | 第27-28页 |
| 3.2 融合核算法及算法分析 | 第28-33页 |
| 3.2.1 融合核算法 | 第28-29页 |
| 3.2.2 算法合理性证明 | 第29-30页 |
| 3.2.3 核函数构造及分析 | 第30-33页 |
| 3.3 投票决策 | 第33页 |
| 3.4 特征选择及SVM参数选择 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 实验设计与结果讨论 | 第35-43页 |
| 4.1 实验数据相关研究结果简介 | 第35页 |
| 4.2 单特征留一交叉验证及统计分析 | 第35-39页 |
| 4.2.1 单特征留一交叉验证结果 | 第35-36页 |
| 4.2.2 电极位置统计分析 | 第36页 |
| 4.2.3 EEG特征统计分析 | 第36-39页 |
| 4.3 最小电极集合 | 第39-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 总结与展望 | 第43-45页 |
| 5.1 全文总结 | 第43页 |
| 5.2 研究展望 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 在学期间的研究成果 | 第49-50页 |
| 致谢 | 第50页 |
