| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第15-55页 |
| 1.1 引言 | 第15-17页 |
| 1.2 人类情感的相关理论 | 第17-24页 |
| 1.2.1 情感及情感理论 | 第18-20页 |
| 1.2.2 情感的生理基础 | 第20-22页 |
| 1.2.3 情感与人体生理信号 | 第22-24页 |
| 1.3 通过生理信号进行的情感计算 | 第24-41页 |
| 1.3.1 情感计算简介 | 第24-25页 |
| 1.3.2 情感计算模型简介 | 第25-27页 |
| 1.3.3 情感计算中生理信号的数据采集 | 第27-32页 |
| 1.3.4 情感诱发效果有效性的评估方法 | 第32-34页 |
| 1.3.5 生理信号特征提取 | 第34-41页 |
| 1.3.6 情感计算中的机器学习算法 | 第41页 |
| 1.4 生理信号情感计算国内外研究现状及文献综述 | 第41-46页 |
| 1.5 课题来源及研究内容、目的和意义 | 第46-51页 |
| 1.5.1 课题来源 | 第46页 |
| 1.5.2 研究内容 | 第46-48页 |
| 1.5.3 研究目的 | 第48-49页 |
| 1.5.4 研究意义 | 第49-51页 |
| 1.6 论文框架与内容安排 | 第51-53页 |
| 1.7 本章小结 | 第53-55页 |
| 第2章 脑电信号时频域融合特征的情感识别研究 | 第55-73页 |
| 2.1 引言 | 第55页 |
| 2.2 基本原理 | 第55-61页 |
| 2.2.1 希尔伯特黄变换 | 第55-59页 |
| 2.2.2 高斯核函数支持向量机 | 第59-61页 |
| 2.3 脑电信号时频特征的提取和融合方法 | 第61-66页 |
| 2.3.1 DEAP数据集简要介绍 | 第61-62页 |
| 2.3.2 通过希尔伯特黄变换提取脑电信号的时频域特征 | 第62-64页 |
| 2.3.3 基于用户评价的情感分类标签的形成 | 第64-66页 |
| 2.4 基于高斯核函数支持向量机的脑电特征情感多分类识别模型 | 第66页 |
| 2.5 模型验证及实验结果 | 第66-69页 |
| 2.6 本章结论 | 第69-70页 |
| 2.7 本章小结 | 第70-73页 |
| 第3章 深度混合神经网络对脑电信号进行的情感识别研究 | 第73-93页 |
| 3.1 引言 | 第73-74页 |
| 3.2 基本原理 | 第74-79页 |
| 3.2.1 卷积神经网络 | 第74-76页 |
| 3.2.2 LSTM循环神经网络 | 第76-79页 |
| 3.3 脑电信号多维度特征图片序列的生成方法 | 第79-83页 |
| 3.4 深度混合神经网络情感识别模型的构建 | 第83-84页 |
| 3.5 模型验证及实验结果 | 第84-90页 |
| 3.5.1 基线方法及相关设置 | 第85-86页 |
| 3.5.2 实验结果及相关讨论 | 第86-90页 |
| 3.6 本章结论 | 第90页 |
| 3.7 本章小结 | 第90-93页 |
| 第4章 多模态生理信号特征融合与情感识别研究 | 第93-107页 |
| 4.1 引言 | 第93页 |
| 4.2 基本原理 | 第93-95页 |
| 4.2.1 栈式自编码神经网络 | 第93-95页 |
| 4.3 通过栈式自编码神经网络进行多模态生理信号的特征融合 | 第95-97页 |
| 4.4 通过LSTM循环神经网络进行情感识别 | 第97-100页 |
| 4.5 模型验证及实验结果 | 第100-103页 |
| 4.6 本章结论 | 第103-105页 |
| 4.7 本章小结 | 第105-107页 |
| 第5章 通过长周期脑电信号对人类日常情感变化的研究 | 第107-119页 |
| 5.1 引言 | 第107-108页 |
| 5.2 基本原理 | 第108-109页 |
| 5.2.1 POMS量表 | 第108页 |
| 5.2.2 相关性分析 | 第108-109页 |
| 5.3 实验设计 | 第109-110页 |
| 5.4 实验方法 | 第110-113页 |
| 5.4.1 实验系统的搭建与实验描述 | 第110-111页 |
| 5.4.2 实验数据预处理和分析 | 第111-113页 |
| 5.5 实验结果 | 第113-116页 |
| 5.6 本章结论 | 第116-117页 |
| 5.7 本章小结 | 第117-119页 |
| 结论及展望 | 第119-121页 |
| 参考文献 | 第121-133页 |
| 附录1 栈式自编码神经网络在MATLAB中的构建代码 | 第133-134页 |
| 附录2 基于DL4J开源框架的LSTMRNN神经网络构建代码 | 第134-135页 |
| 附录3 脑电信号特征帧生成代码 | 第135页 |
| 附录4 生成特定脑电特征值矩阵的伪代码 | 第135-136页 |
| 附录5 基于DL4J框架的CLRNN的构建代码 | 第136-139页 |
| 攻读博士学位期间发表的学术论文 | 第139-140页 |
| 致谢 | 第140页 |
