| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 1 绪论 | 第12-19页 |
| 1.1 课题背景及研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 不同实验模式下的情感识别 | 第13-14页 |
| 1.2.2 不同特征下的情感识别 | 第14-16页 |
| 1.2.3 不同特征选择算法下的情感识别 | 第16页 |
| 1.2.4 不同分类器下的情感识别 | 第16-17页 |
| 1.3 论文研究内容 | 第17-18页 |
| 1.4 论文章节安排 | 第18-19页 |
| 2 情感和脑电的相关研究 | 第19-27页 |
| 2.1 情感的相关研究 | 第19-21页 |
| 2.1.1 情感模型 | 第19页 |
| 2.1.2 情感的诱发方式 | 第19-20页 |
| 2.1.3 情感识别的研究方法 | 第20-21页 |
| 2.2 脑电的相关研究 | 第21-23页 |
| 2.2.1 大脑的结构和功能 | 第21-22页 |
| 2.2.2 脑电信号的分类 | 第22页 |
| 2.2.3 脑电信号的采集方法 | 第22-23页 |
| 2.3 基于脑电的情感识别方法 | 第23-25页 |
| 2.3.1 脑电信号预处理 | 第23页 |
| 2.3.2 特征提取方法 | 第23-24页 |
| 2.3.3 特征选择方法 | 第24-25页 |
| 2.3.4 情感识别方法 | 第25页 |
| 2.4 实验数据集 | 第25-26页 |
| 2.4.1 数据集一 | 第25-26页 |
| 2.4.2 数据集二 | 第26页 |
| 2.5 本章小结 | 第26-27页 |
| 3 跨天脑电数据的情感分类研究 | 第27-45页 |
| 3.1 共空间模式算法 | 第27-28页 |
| 3.2 基于数据空间自适应和共空间模式的脑电情感分类 | 第28-39页 |
| 3.2.1 数据空间自适应算法 | 第28-29页 |
| 3.2.2 DSA-CSP算法 | 第29-30页 |
| 3.2.3 特征提取 | 第30-31页 |
| 3.2.4 分类与验证 | 第31-37页 |
| 3.2.5 实验结果分析 | 第37-39页 |
| 3.3 共空间模式结合小波包分解的脑电情感分类 | 第39-43页 |
| 3.3.1 共空间模式结合小波包分解算法 | 第39-41页 |
| 3.3.2 分类和验证 | 第41页 |
| 3.3.3 实验结果分析 | 第41-43页 |
| 3.4 本章小结 | 第43-45页 |
| 4 基于多特征组合的脑电情感分类 | 第45-61页 |
| 4.1 经验模式分解算法 | 第45-47页 |
| 4.1.1 本征模函数 | 第45-46页 |
| 4.1.2 EMD实现方法 | 第46-47页 |
| 4.2 特征提取算法 | 第47-54页 |
| 4.2.1 平均能量和波动系数 | 第47-48页 |
| 4.2.2 近似熵 | 第48-49页 |
| 4.2.3 样本熵 | 第49-50页 |
| 4.2.4 多尺度排列熵 | 第50-53页 |
| 4.2.5 Hurst指数 | 第53-54页 |
| 4.3 EEG情感分类与实验结果分析 | 第54-60页 |
| 4.3.1 基于经验模式分解的多特征组合算法 | 第54-57页 |
| 4.3.2 基于小波包分解的多特征组合算法 | 第57-60页 |
| 4.4 本章小结 | 第60-61页 |
| 5 总结与展望 | 第61-63页 |
| 5.1 工作总结 | 第61-62页 |
| 5.2 研究展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间取得的研究成果 | 第69-70页 |