基于脑电信号的情绪识别研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 论文研究内容 | 第14-15页 |
| 1.4 论文章节安排 | 第15-16页 |
| 第二章 情绪脑电的相关理论 | 第16-23页 |
| 2.1 情绪的基本理论 | 第16-17页 |
| 2.2 情绪的诱发方法 | 第17-18页 |
| 2.3 情绪的分类 | 第18-19页 |
| 2.4 情绪的脑机制 | 第19-21页 |
| 2.5 DEAP数据库 | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第三章 情绪脑电的分析方法 | 第23-36页 |
| 3.1 脑电分析方法概述 | 第23-24页 |
| 3.2 小波变换 | 第24-26页 |
| 3.3 经验模态分解 | 第26-34页 |
| 3.3.1 经典EMD算法的原理 | 第26-29页 |
| 3.3.2 改进的包络拟合算法 | 第29-32页 |
| 3.3.3 仿真结果分析 | 第32-34页 |
| 3.4 本章小结 | 第34-36页 |
| 第四章 情绪识别的实现 | 第36-55页 |
| 4.1 近似熵 | 第36-38页 |
| 4.2 排列熵 | 第38-41页 |
| 4.3 能量矩 | 第41-43页 |
| 4.4 支持向量机基本原理 | 第43-44页 |
| 4.5 SVM参数的优化 | 第44-50页 |
| 4.5.1 网格搜索算法 | 第45-46页 |
| 4.5.2 遗传算法 | 第46页 |
| 4.5.3 粒子群算法 | 第46-47页 |
| 4.5.4 模拟退火粒子群算法 | 第47-49页 |
| 4.5.5 实验及结果分析 | 第49-50页 |
| 4.6 脑电信号的情绪识别 | 第50-53页 |
| 4.6.1 基于单个特征参数的脑电信号情绪识别 | 第50-52页 |
| 4.6.2 基于多个特征参数的脑电信号情绪识别 | 第52-53页 |
| 4.7 本章小结 | 第53-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间取得的成果 | 第64页 |
