基于用户独立模型的生理情感识别
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 课题背景和意义 | 第8-10页 |
| 1.1.1 研究背景和意义 | 第8页 |
| 1.1.2 研究现状 | 第8-10页 |
| 1.2 研究内容 | 第10页 |
| 1.3 文章安排 | 第10-11页 |
| 第二章 相关工作综述 | 第11-17页 |
| 2.1 生理信号 | 第11-13页 |
| 2.1.1 情感生理信号数据库 | 第11-12页 |
| 2.1.2 研究中使用的生理信号 | 第12-13页 |
| 2.4 用户依赖模型和用户独立模型 | 第13-14页 |
| 2.5 特征选择算法和分类器 | 第14-16页 |
| 2.6 小结 | 第16-17页 |
| 第三章 情感生理信号采集实验 | 第17-23页 |
| 3.1 信号采集 | 第17页 |
| 3.2 信号预处理 | 第17-19页 |
| 3.3 生理信号特征提取 | 第19-20页 |
| 3.3.1 ECG 特征提取 | 第19-20页 |
| 3.3.2 GSR 特征提取 | 第20页 |
| 3.4 归一化处理 | 第20-22页 |
| 3.4.1 归一化方法 | 第21页 |
| 3.4.2 标准差归一化 | 第21-22页 |
| 3.5 小结 | 第22-23页 |
| 第四章 用户独立模型 | 第23-31页 |
| 4.1 实验流程 | 第23页 |
| 4.2 算法和理论 | 第23-26页 |
| 4.2.1 PCA 降维 | 第23-24页 |
| 4.2.2 类内距离和类间距离 | 第24页 |
| 4.2.3 分类器 | 第24-26页 |
| 4.4 样本聚集度分析 | 第26-28页 |
| 4.4.1 主元空间分布 | 第26-27页 |
| 4.4.2 样本聚集度分析 | 第27-28页 |
| 4.5 分类识别 | 第28-30页 |
| 4.5.1 交叉验证识别 | 第28-29页 |
| 4.5.2 留一被试验证识别 | 第29-30页 |
| 4.6 小结 | 第30-31页 |
| 第五章 特征选择实验 | 第31-39页 |
| 5.1 特征选择 | 第31-33页 |
| 5.1.1 特征相关度 | 第31-32页 |
| 5.1.2 谱聚类 | 第32页 |
| 5.1.3 特征分类性能 | 第32-33页 |
| 5.2 实验结果分析 | 第33-37页 |
| 5.2.1 相关度分析和谱聚类 | 第33-35页 |
| 5.2.2 特征分类性能 | 第35-37页 |
| 5.3 小结 | 第37-39页 |
| 第六章 总结和展望 | 第39-41页 |
| 6.1 文章总结 | 第39页 |
| 6.2 未来工作展望 | 第39-41页 |
| 参考文献 | 第41-44页 |
| 发表论文和参加科研情况说明 | 第44-45页 |
| 致谢 | 第45页 |
