| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第10-17页 |
| 1.1 引言 | 第10-13页 |
| 1.1.1 情感或情绪理论 | 第10-11页 |
| 1.1.2 情绪分类和维度 | 第11-12页 |
| 1.1.3 情绪的诱发方法 | 第12页 |
| 1.1.4 情感计算和情绪识别 | 第12-13页 |
| 1.2 研究目的和意义 | 第13页 |
| 1.3 国内外研究现状 | 第13-15页 |
| 1.4 论文内容和结构 | 第15-17页 |
| 2 生理信号和情感数据的采集 | 第17-25页 |
| 2.1 生理信号的采集 | 第17-21页 |
| 2.1.1 心电和呼吸信号 | 第17-18页 |
| 2.1.2 脉搏波 | 第18-20页 |
| 2.1.3 皮肤电导 | 第20-21页 |
| 2.2 情感数据的采集 | 第21-24页 |
| 2.2.1 实验目标 | 第21页 |
| 2.2.2 情绪诱发方案 | 第21-23页 |
| 2.2.3 数据采集流程 | 第23-24页 |
| 2.2.4 情绪诱发结果 | 第24页 |
| 2.3 本章小结 | 第24-25页 |
| 3 生理信号预处理和特征提取 | 第25-35页 |
| 3.1 生理信号预处理 | 第26-29页 |
| 3.1.1 心电信号预处理 | 第26-27页 |
| 3.1.2 呼吸信号预处理 | 第27-28页 |
| 3.1.3 脉搏波信号预处理 | 第28页 |
| 3.1.4 皮肤电导信号预处理 | 第28-29页 |
| 3.2 生理特征提取 | 第29-34页 |
| 3.2.1 心电信号特征 | 第29-31页 |
| 3.2.2 呼吸信号特征 | 第31-33页 |
| 3.2.3 脉搏波特征 | 第33-34页 |
| 3.2.4 皮肤电导特征 | 第34页 |
| 3.3 本章小结 | 第34-35页 |
| 4 基于前向浮动搜索技术的特征选择算法 | 第35-42页 |
| 4.1 特征预处理 | 第35-37页 |
| 4.1.1 剔除离群点 | 第35-36页 |
| 4.1.2 处理丢失数据 | 第36-37页 |
| 4.1.3 特征归一化 | 第37页 |
| 4.2 基于前向浮动搜索技术的特征选择算法 | 第37-41页 |
| 4.3 本章小结 | 第41-42页 |
| 5 基于支持向量机的情绪识别算法 | 第42-55页 |
| 5.1 支持向量机 | 第42-49页 |
| 5.1.1 线性可分情况下的支持向量机 | 第42-45页 |
| 5.1.2 线性不可分情况下的软间隔技术 | 第45-46页 |
| 5.1.3 非线性支持向量机 | 第46-48页 |
| 5.1.4 支持向量机应用于多分类 | 第48-49页 |
| 5.2 基于遗传算法的支持向量机参数优化算法 | 第49-52页 |
| 5.3 基于支持向量机的情绪识别算法 | 第52-53页 |
| 5.4 本章小结 | 第53-55页 |
| 6 基于多生理信号的情绪识别结果和分析 | 第55-61页 |
| 6.1 情绪诱导实验数据的情绪识别结果 | 第56-58页 |
| 6.1.1 不同特征维度下的四种情绪分类结果 | 第56-57页 |
| 6.1.2 最佳特征组合下四种情绪各自的识别效果 | 第57-58页 |
| 6.2 奥格斯堡大学情绪生理信号数据的情绪识别结果 | 第58-60页 |
| 6.3 本章小结 | 第60-61页 |
| 7 总结与展望 | 第61-63页 |
| 7.1 总结 | 第61-62页 |
| 7.2 展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 附录：生理信号中提取的特征列表 | 第68-70页 |
| 作者简历 | 第70页 |