| 摘要 | 第1-9页 |
| Abstract | 第9-16页 |
| 第1章 绪论 | 第16-37页 |
| ·研究背景和意义 | 第16-17页 |
| ·情感计算的研究现状 | 第17-20页 |
| ·情感计算的概念 | 第17页 |
| ·情感计算的国外研究现状 | 第17-18页 |
| ·情感计算的国内研究现状 | 第18-19页 |
| ·情感计算研究的挑战 | 第19-20页 |
| ·人脸表情识别的研究现状 | 第20-30页 |
| ·特征提取 | 第21-25页 |
| ·表情识别方法 | 第25-27页 |
| ·人脸表情识别的难点 | 第27-29页 |
| ·人脸表情识别的不足和挑战 | 第29-30页 |
| ·人脸表情识别的重要特征的研究现状 | 第30-34页 |
| ·人脸表情识别的重要特征的研究意义 | 第30-31页 |
| ·人脸表情重要特征的心理学研究基础 | 第31-32页 |
| ·特征选择及研究现状 | 第32-34页 |
| ·研究内容和主要贡献 | 第34-37页 |
| ·本文的研究内容和主要贡献 | 第34-36页 |
| ·本文的组织与结构 | 第36-37页 |
| 第2章 情感信息的预处理和特征提取 | 第37-46页 |
| ·视频信号的预处理 | 第37-42页 |
| ·人脸检测 | 第37-40页 |
| ·人脸特征点的自动标定 | 第40-42页 |
| ·人脸特征点的自动跟踪 | 第42页 |
| ·人脸特征提取 | 第42-45页 |
| ·小结 | 第45-46页 |
| 第3章 基于经典粗糙集理论的人脸表情识别的特征选择方法研究 | 第46-72页 |
| ·经典粗糙集基本理论简介 | 第46-57页 |
| ·基于粗糙集的数据挖掘流程 | 第46-49页 |
| ·粗糙集的基本概念 | 第49-57页 |
| ·经典粗糙集理论的属性约简算法 | 第57-59页 |
| ·基于条件熵的属性约简算法 | 第57页 |
| ·基于特征选择的属性约简算法 | 第57-59页 |
| ·基于经典粗糙集属性约简算法的人脸表情识别研究 | 第59-70页 |
| ·支持向量机简介 | 第61-65页 |
| ·实验对象设置 | 第65-67页 |
| ·基于粗糙集属性约简算法的人脸表情识别的实验 | 第67-70页 |
| ·小结 | 第70-72页 |
| 第4章 自主式属性约简算法的表情特征研究 | 第72-95页 |
| ·引言 | 第72-74页 |
| ·连续值信息系统的相容关系模型 | 第74-76页 |
| ·可区分性的度量和相容关系中的阈值确定 | 第76-80页 |
| ·连续值信息系统的自主式属性约简算法(SARA) | 第80页 |
| ·实验结果及分析 | 第80-90页 |
| ·SARA与ReCA的对比实验 | 第81页 |
| ·SARA与CEBARKNC的对比实验 | 第81-84页 |
| ·相容关系中阈值选择的对比实验 | 第84-90页 |
| ·SARA在人脸表情特征选择的应用研究 | 第90-94页 |
| ·SARA对于人脸表情特征选择的有效性研究 | 第90-92页 |
| ·嘴部特征对人脸表情的重要性实验 | 第92-94页 |
| ·小结 | 第94-95页 |
| 第5章 基于集成学习理论的情感识别方法 | 第95-112页 |
| ·集成学习理论简介 | 第95-102页 |
| ·集成学习的框架 | 第95-96页 |
| ·集成学习的方法 | 第96-98页 |
| ·个体分类器的差异性度量 | 第98-101页 |
| ·基于粗糙集理论的集成学习方法 | 第101页 |
| ·集成学习研究的挑战 | 第101-102页 |
| ·基于粗糙集的选择性集成及其在情感识别中的应用 | 第102-106页 |
| ·基于可辨识矩阵的多个约简计算方法 | 第102-103页 |
| ·选择性集成策略 | 第103-104页 |
| ·基于粗糙集理论的选择性集成方法(SEFSBRS) | 第104-105页 |
| ·SEFSBRS在情感识别中的应用 | 第105-106页 |
| ·基于粗糙集的动态选择的集成及其在情感识别中的应用 | 第106-111页 |
| ·多个约简的计算方法 | 第106-109页 |
| ·多分类器的动态选择策略 | 第109页 |
| ·基于动态选择策略的集成学习算法(DEFS) | 第109-110页 |
| ·DEFS在表情识别中的应用 | 第110-111页 |
| ·小结 | 第111-112页 |
| 第6章 双模情感识别系统 | 第112-122页 |
| ·系统概述 | 第112-118页 |
| ·系统结构 | 第112-113页 |
| ·预处理 | 第113页 |
| ·特征提取 | 第113-116页 |
| ·特征选择 | 第116页 |
| ·情感识别 | 第116-117页 |
| ·情感响应 | 第117-118页 |
| ·系统测试 | 第118-121页 |
| ·单模语音情感识别测试 | 第118页 |
| ·单模视频情感识别测试 | 第118-120页 |
| ·双模情感识别测试 | 第120-121页 |
| ·小结 | 第121-122页 |
| 总结与展望 | 第122-125页 |
| 1 本文工作总结及创新点 | 第122-123页 |
| 2 进一步的研究工作与展望 | 第123-125页 |
| 致谢 | 第125-126页 |
| 参考文献 | 第126-139页 |
| 攻读博士学位期间发表的论文及科研成果 | 第139-142页 |
