相关性分析及蚁群优化算法用于脉搏信号的情感识别研究
| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第9-17页 |
| ·研究背景 | 第9-10页 |
| ·研究意义 | 第10-12页 |
| ·研究现状及存在的问题 | 第12-14页 |
| ·论文研究内容 | 第14-17页 |
| 第二章 情感脉搏信号采集方案及实施 | 第17-21页 |
| ·情感脉搏信号采集方案 | 第17-18页 |
| ·情感信号激发素材库的建立 | 第17-18页 |
| ·实验调查问卷 | 第18页 |
| ·情感脉搏信号的采集过程 | 第18-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 脉搏信号的情感特征提取 | 第21-25页 |
| ·原始情感数据预处理 | 第21-22页 |
| ·情感特征提取 | 第22-23页 |
| ·情感特征和样本处理 | 第23-24页 |
| ·去除情感特征个体差异性 | 第23页 |
| ·情感数据有效性筛选 | 第23页 |
| ·情感特征归一化 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第四章 脉搏信号的特征组合选择及分类 | 第25-41页 |
| ·特征的相关性分析 | 第25-28页 |
| ·序列后向选择 | 第26页 |
| ·线性相关系数分析法 | 第26-27页 |
| ·算法实现 | 第27-28页 |
| ·基于相关性分析及蚁群优化算法的特征选择 | 第28-36页 |
| ·蚁群优化算法 | 第28-33页 |
| ·分类器和适应度函数 | 第33-35页 |
| ·特征选择算法实现 | 第35-36页 |
| ·基于凸优化的支持向量机特征选择 | 第36-39页 |
| ·支持向量机简介 | 第36-37页 |
| ·基于凸优化的支持向量机 | 第37-39页 |
| ·本章小结 | 第39-41页 |
| 第五章 脉搏信号的情感识别结果及其模型建立 | 第41-57页 |
| ·基于相关性分析及蚁群优化算法的识别结果 | 第41-53页 |
| ·高兴情感的识别结果及分析 | 第41-44页 |
| ·惊奇情感的识别结果及分析 | 第44-45页 |
| ·厌恶情感的识别结果及分析 | 第45-47页 |
| ·悲伤情感的识别结果及分析 | 第47-49页 |
| ·愤怒情感的识别结果及分析 | 第49-51页 |
| ·恐惧情感的识别结果及分析 | 第51-53页 |
| ·基于凸优化的支持向量机情感识别结果 | 第53页 |
| ·结果比较 | 第53-54页 |
| ·脉搏信号情感识别模型的建立 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| ·总结 | 第57页 |
| ·展望 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65-67页 |
| 攻读硕士期间研究成果及发表的学术论文 | 第67页 |
