| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 课题背景 | 第11-15页 |
| 1.1.1 人机情感计算的研究背景 | 第11页 |
| 1.1.2 可穿戴式设备的发展及研究 | 第11-12页 |
| 1.1.3 在线学习的发展及研究 | 第12-13页 |
| 1.1.4 具体工作和研究特色 | 第13-15页 |
| 1.2 本章小结 | 第15-16页 |
| 第2章 情感计算与在线学习的理论研究 | 第16-24页 |
| 2.1 基于生理信号的情感识别 | 第16-19页 |
| 2.1.1 皮肤电信号与情感识别 | 第16-19页 |
| 2.2 当前在线学习系统的问题 | 第19-20页 |
| 2.3 在线学习中的情感研究 | 第20-22页 |
| 2.3.1 使用生理信号探测学习中的情感状态 | 第20-21页 |
| 2.3.2 针对学习的情感计算研究 | 第21-22页 |
| 2.4 针对在线学习的可穿戴式情感计算设备的研究意义 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 可穿戴式情感计算硬件的设计与研究 | 第24-32页 |
| 3.1 可穿戴式设备设计需求 | 第24-25页 |
| 3.2 可穿戴式设备研发与改进 | 第25-31页 |
| 3.2.1 可穿戴式设备硬件平台 | 第25-27页 |
| 3.2.2 皮肤电传感器的选择 | 第27-28页 |
| 3.2.3 可穿戴式设备整体设计 | 第28-31页 |
| 3.3 本章小结 | 第31-32页 |
| 第4章 情感计算软件的设计与研究 | 第32-38页 |
| 4.1 情感计算软件设计需求 | 第32-33页 |
| 4.2 情感计算软件设计版本1.0 | 第33-35页 |
| 4.2.1 软件开发目标 | 第33页 |
| 4.2.2 软件特点 | 第33页 |
| 4.2.3 软件功能 | 第33-35页 |
| 4.2.4 软件开发时间与版本数量 | 第35页 |
| 4.3 情感计算软件设计版本2.0 | 第35-37页 |
| 4.3.1 软件开发目标 | 第35页 |
| 4.3.2 新增的软件功能需求及改进 | 第35-37页 |
| 4.4 本章小结 | 第37-38页 |
| 第5章 可穿戴式情感计算设备的实验研究 | 第38-58页 |
| 5.1 实验研究概述 | 第38页 |
| 5.2 预实验1—通过可穿戴式设备测量不同的情感状态 | 第38-40页 |
| 5.3 预实验2—通过可穿戴式设备检测学习中的情感状态 | 第40-47页 |
| 5.3.1 实验设置 | 第40-41页 |
| 5.3.2 GSR曲线与学习状态的对应关系 | 第41-45页 |
| 5.3.3 预实验机器学习结果测试 | 第45-47页 |
| 5.4 正式实验过程及实验结果分析 | 第47-57页 |
| 5.4.1 实验设置 | 第47-51页 |
| 5.4.2 实验过程及访谈内容 | 第51页 |
| 5.4.3 机器学习的验证与结果 | 第51-54页 |
| 5.4.4 实验访谈的分析及结果 | 第54-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第6章 基于情感计算动态调整在线学习内容的系统设计框架 | 第58-62页 |
| 6.1 情感调节系统的设计背景 | 第58-59页 |
| 6.2 基于情感计算调节学习内容的功能和意义 | 第59-61页 |
| 6.3 本章小结 | 第61-62页 |
| 第7章 总结与展望 | 第62-64页 |
| 7.1 研究贡献 | 第62页 |
| 7.2 研究局限 | 第62-63页 |
| 7.3 研究展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士学位期间主要的研究成果 | 第67-68页 |
| 致谢 | 第68页 |
