基于生理信号的情感识别的研究与实现
| 摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 第一章 绪论 | 第6-9页 |
| ·研究背景及意义 | 第6页 |
| ·国内外研究现状 | 第6-8页 |
| ·基于生理信号的情感识别过程 | 第8页 |
| ·全文内容安排 | 第8-9页 |
| 第二章 小波与小波去噪 | 第9-18页 |
| ·引言 | 第9-10页 |
| ·小波去噪问题描述 | 第10页 |
| ·小波变换模极大去噪 | 第10-13页 |
| ·各尺度上信号与噪声小波变换的不同传播特性 | 第10-11页 |
| ·算法描述 | 第11-13页 |
| ·基于小波变换尺度间相关性去噪 | 第13-15页 |
| ·算法的基本原理 | 第13-14页 |
| ·算法实现 | 第14-15页 |
| ·小波阈值去噪法 | 第15-16页 |
| ·小波阈值收缩法 | 第15页 |
| ·平移不变量小波阈值去噪法 | 第15-16页 |
| ·几种小波去噪方法的比较 | 第16-18页 |
| 第三章 AdaBoost算法 | 第18-28页 |
| ·BAGGING算法 | 第18-19页 |
| ·Bagging算法提出 | 第18页 |
| ·Bagging算法理论 | 第18-19页 |
| ·BOOSTING算法 | 第19-21页 |
| ·Boosting算法概述 | 第19-20页 |
| ·Boosting算法基本思想 | 第20页 |
| ·Bagging与Boosting的对比 | 第20-21页 |
| ·ADABOOST算法 | 第21-27页 |
| ·AdaBoost算法 | 第21-23页 |
| ·AdaBoost.M1算法 | 第23-25页 |
| ·AdaBoost.M2算法 | 第25-26页 |
| ·AdaBoost算法的泛化性能分析 | 第26-27页 |
| ·ADABOOST算法改进 | 第27-28页 |
| 第四章 实验与结论 | 第28-38页 |
| ·实验数据 | 第28-31页 |
| ·生理信号数据 | 第28页 |
| ·德国Augsburg大学情感生理数据库 | 第28-31页 |
| ·数据处理 | 第31-35页 |
| ·数据预处理 | 第31-34页 |
| ·特征提取 | 第34-35页 |
| ·数据归一化处理 | 第35页 |
| ·结果分析与讨论 | 第35-38页 |
| ·对四种情感进行识别 | 第35-37页 |
| ·对单一情感进行识别 | 第37-38页 |
| 第五章 总结 | 第38-39页 |
| 致谢 | 第39-40页 |
| 参考文献 | 第40-42页 |
| 作者简介 | 第42页 |
| 攻读硕士学位期间研究成果 | 第42-43页 |
