| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第8-10页 |
| 图录 | 第10-11页 |
| 表录 | 第11-12页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 研究背景 | 第12-17页 |
| 1.1.1 情绪 | 第12-13页 |
| 1.1.2 情绪识别 | 第13-16页 |
| 1.1.3 焦虑状态 | 第16-17页 |
| 1.2 研究意义 | 第17-18页 |
| 1.3 国内外研究现状 | 第18-20页 |
| 1.3.1 国外研究概况 | 第18-20页 |
| 1.3.2 国内研究概况 | 第20页 |
| 1.4 本文具体内容与安排 | 第20-22页 |
| 第二章 多生理信号与焦虑情绪变化的相关性分析 | 第22-39页 |
| 2.1 焦虑情绪状态研究 | 第22-23页 |
| 2.2 情绪诱发方法 | 第23-24页 |
| 2.3 焦虑情绪诱发实验 | 第24-31页 |
| 2.3.1 实验内容 | 第24-25页 |
| 2.3.2 实验被试 | 第25-26页 |
| 2.3.3 实验平台及实验设备 | 第26-28页 |
| 2.3.4 STAI 问卷 | 第28-29页 |
| 2.3.5 实验过程 | 第29-31页 |
| 2.4 实验数据预处理 | 第31页 |
| 2.5 特征提取 | 第31-33页 |
| 2.6 去除基线数据 | 第33-34页 |
| 2.7 数据的初步分析 | 第34-39页 |
| 2.7.1 焦虑情绪诱发生理数据样本 | 第34页 |
| 2.7.2 平静状态与焦虑情绪下生理数据均值特征差异性分析 | 第34-37页 |
| 2.7.3 问卷结果与生理信号均值特征结果相关性分析 | 第37-38页 |
| 2.7.4 生理信号均值间相关性分析 | 第38-39页 |
| 第三章 基于多生理信号的焦虑情绪状态识别算法 | 第39-50页 |
| 3.1 特征选择 | 第39-42页 |
| 3.2 Relief 特征选择算法 | 第42-43页 |
| 3.3 kNN 分类算法 | 第43-45页 |
| 3.4 Relief-kNN 算法结合应用 | 第45页 |
| 3.5 SVM 算法 | 第45-48页 |
| 3.5.1 经典支持向量机算法 | 第45-47页 |
| 3.5.2 最小二乘支持向量机（LS-SVM） | 第47-48页 |
| 3.6 Relief-SVM 算法结合应用 | 第48-49页 |
| 3.7 本章小结 | 第49-50页 |
| 第四章 分类结果与分析 | 第50-54页 |
| 4.1 焦虑情绪状态生理数据样本 | 第50页 |
| 4.2 两组样本分类结果分析 | 第50-52页 |
| 4.2.1 Relief-kNN 算法分类结果分析 | 第50-51页 |
| 4.2.2 Relief-SVM 算法分类结果分析 | 第51-52页 |
| 4.3 多组样本分类结果分析 | 第52-54页 |
| 4.3.1 Relief-kNN 算法分类结果分析 | 第52页 |
| 4.3.2 Relief-SVM 算法分类结果分析 | 第52-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54-55页 |
| 5.2 展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 附录 | 第60-62页 |
| 致谢 | 第62-63页 |
| 攻读硕士学位期间已发表或录用的论文 | 第63页 |
