基于脑电信号样本熵的情感识别
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.3 论文安排 | 第12-13页 |
| 1.4 小结 | 第13-14页 |
| 第二章 情感及脑电的相关研究 | 第14-26页 |
| 2.1 情感的相关研究 | 第14-17页 |
| 2.1.1 情感的分类 | 第14-15页 |
| 2.1.2 情感的诱发 | 第15-16页 |
| 2.1.3 情感识别的研究方法 | 第16-17页 |
| 2.2 脑电的相关研究 | 第17-23页 |
| 2.2.1 脑电的概念 | 第17页 |
| 2.2.2 脑电信号分类 | 第17-19页 |
| 2.2.3 脑电信号的采集 | 第19-22页 |
| 2.2.4 脑电信号的分析方法 | 第22-23页 |
| 2.3 脑电信号与情感识别 | 第23-24页 |
| 2.4 小结 | 第24-26页 |
| 第三章 脑电特征提取 | 第26-32页 |
| 3.1 样本熵 | 第26-31页 |
| 3.1.1 熵 | 第26-27页 |
| 3.1.2 近似熵 | 第27-29页 |
| 3.1.3 样本熵 | 第29-31页 |
| 3.2 其他脑电特征提取方法 | 第31页 |
| 3.2.1 LZC复杂度 | 第31页 |
| 3.2.2 Hurst指数 | 第31页 |
| 3.3 小结 | 第31-32页 |
| 第四章 基于脑电信号样本熵的情感识别 | 第32-44页 |
| 4.1 基于脑电信号样本熵的情感识别 | 第32页 |
| 4.2 脑电信号预处理 | 第32-35页 |
| 4.2.1 脑电信号的噪声和干扰源 | 第32-33页 |
| 4.2.2 伪迹去除方法 | 第33-35页 |
| 4.3 特征提取 | 第35-38页 |
| 4.3.1 脑电原始特征提取 | 第35页 |
| 4.3.2 波段选择 | 第35-37页 |
| 4.3.3 电极筛选 | 第37-38页 |
| 4.4 分类器训练 | 第38-43页 |
| 4.4.1 分类算法的选择 | 第38-39页 |
| 4.4.2 SVM分类器的理论基础 | 第39-41页 |
| 4.4.3 分类器的训练 | 第41-43页 |
| 4.5 小结 | 第43-44页 |
| 第五章 实验与结果分析 | 第44-60页 |
| 5.1 图片刺激材料：课题组情感数据集 | 第44-50页 |
| 5.1.1 数据采集 | 第44-46页 |
| 5.1.2 脑电信号的预处理 | 第46-47页 |
| 5.1.3 数据筛选与特征提取 | 第47-48页 |
| 5.1.4 电极筛选 | 第48页 |
| 5.1.5 分类正确率 | 第48-49页 |
| 5.1.6 与其他特征提取方法比较 | 第49-50页 |
| 5.2 视频刺激材料：Deap情感数据集 | 第50-57页 |
| 5.2.1 Deap情感数据集 | 第50-53页 |
| 5.2.2 数据筛选与特征提取 | 第53页 |
| 5.2.3 电极筛选 | 第53-54页 |
| 5.2.4 分类正确率 | 第54-55页 |
| 5.2.5 与其他特征提取方法比较 | 第55-57页 |
| 5.3 时间性能对比 | 第57页 |
| 5.4 结果分析与讨论 | 第57-58页 |
| 5.5 小结 | 第58-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-70页 |
| 攻读硕士学位期间发表的学术论文 | 第70页 |
