| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景 | 第14-15页 |
| 1.2 研究目的及意义 | 第15-16页 |
| 1.3 国内外研究现状 | 第16-18页 |
| 1.4 本文内容概述 | 第18-20页 |
| 第二章 情感及EEG综述 | 第20-31页 |
| 2.1 情感计算相关理论知识 | 第20-25页 |
| 2.1.1 情感的定义及生理基础 | 第20-21页 |
| 2.1.2 情感的分类 | 第21-23页 |
| 2.1.3 情感的诱发方式 | 第23-25页 |
| 2.2 脑电的相关研究 | 第25-30页 |
| 2.2.1 大脑简介 | 第25-26页 |
| 2.2.2 脑电的简介及分类 | 第26-28页 |
| 2.2.3 生理信号常见的分析方法及特征 | 第28-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第三章 基于E-ApEn特征提取的脑电情感识别 | 第31-44页 |
| 3.1 脑电数据提取 | 第31-32页 |
| 3.2 一种基于E-ApEn特征提取的脑电情感识别方法 | 第32-43页 |
| 3.2.1 基于E-ApEn的脑电情感识别总体框架 | 第32页 |
| 3.2.2 E-ApEn特征提取流程 | 第32-36页 |
| 3.2.3 DBN-SVM训练与分类 | 第36-39页 |
| 3.2.4 实验结果 | 第39-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第四章 基于脑电瞬时能量的情感识别方法 | 第44-53页 |
| 4.1 脑电瞬时能量的求取 | 第44-47页 |
| 4.1.1 小波变换 | 第44-45页 |
| 4.1.2 希尔伯特—黄变换 | 第45-47页 |
| 4.2 训练与识别 | 第47-49页 |
| 4.2.1 卷积神经网络 | 第48页 |
| 4.2.2 循环神经网络 | 第48-49页 |
| 4.3 实验结果 | 第49-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 基于脑电与心电多模态融合的情感识别方法 | 第53-62页 |
| 5.1 心电的简介及分类 | 第53-54页 |
| 5.2 特征融合研究现状 | 第54-58页 |
| 5.2.1 特征融合的原理及常用方法 | 第54-57页 |
| 5.2.2 本文特征融合的方法 | 第57-58页 |
| 5.3 实验结果 | 第58-60页 |
| 5.3.1 EEG与ECG的提取及预处理 | 第58-59页 |
| 5.3.2 实验结果分析 | 第59-60页 |
| 5.4 本章小结 | 第60-62页 |
| 第六章 总结与展望 | 第62-63页 |
| 6.1 全文总结 | 第62页 |
| 6.2 工作展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第68-69页 |