| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 图目录 | 第8-9页 |
| 表目录 | 第9-10页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 理论价值与实际价值 | 第11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 主要研究内容及关键问题 | 第12-13页 |
| 1.3.1 主要研究内容 | 第12页 |
| 1.3.2 拟解决的关键问题 | 第12-13页 |
| 1.4 本文的章节结构 | 第13-14页 |
| 1.5 本章小结 | 第14-16页 |
| 第2章 情感计算相关理论 | 第16-24页 |
| 2.1 情感计算理论基础 | 第16-17页 |
| 2.1.1 情绪与情感 | 第16页 |
| 2.1.2 情感计算研究内容 | 第16-17页 |
| 2.1.3 情感计算的应用 | 第17页 |
| 2.2 情感计算与表情识别 | 第17-18页 |
| 2.3 人脸表情识别技术 | 第18-22页 |
| 2.3.1 表情识别综述 | 第18-19页 |
| 2.3.2 表情识别常用方法 | 第19-22页 |
| 2.4 常用的情感模型 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 E-learning系统中表情识别的研究 | 第24-38页 |
| 3.1 人脸检测 | 第24-31页 |
| 3.1.1 运动区域提取 | 第25-27页 |
| 3.1.2 彩色空间的选取 | 第27-28页 |
| 3.1.3 肤色模型的建立 | 第28页 |
| 3.1.4 Adaboost算法进行人脸检测 | 第28-29页 |
| 3.1.5 人脸跟踪 | 第29-30页 |
| 3.1.6 实验结果 | 第30-31页 |
| 3.2 人脸特征提取与分类 | 第31-37页 |
| 3.2.1 基于2DPCA的人脸表情特征提取 | 第31-32页 |
| 3.2.2 基于神经网络集成的表情分类 | 第32-34页 |
| 3.2.3 基于2DPCA和集成神经网络的人脸表情识别 | 第34-37页 |
| 3.3 本章小结 | 第37-38页 |
| 第4章 基于POMDP的情感计算 | 第38-52页 |
| 4.1 POMDP理论 | 第38-43页 |
| 4.1.1 模型介绍 | 第39-40页 |
| 4.1.2 几种典型的POMDP算法 | 第40-43页 |
| 4.2 E-learning系统中基于POMDP的情感计算 | 第43-50页 |
| 4.2.1 状态与观察 | 第43-44页 |
| 4.2.2 行动 | 第44-45页 |
| 4.2.3 初始信念状态 | 第45页 |
| 4.2.4 立即报酬 | 第45-46页 |
| 4.2.5 转移概率和观察函数 | 第46-47页 |
| 4.2.6 POMDP解法 | 第47-48页 |
| 4.2.7 有限视野策略 | 第48-50页 |
| 4.3 本章小结 | 第50-52页 |
| 第5章 基于情感计算的E-learning系统的建模与实现 | 第52-58页 |
| 5.1 系统环境及开发工具 | 第52页 |
| 5.2 系统设计 | 第52-54页 |
| 5.2.1 系统功能框架 | 第52-53页 |
| 5.2.2 系统各功能模块 | 第53-54页 |
| 5.3 系统效果 | 第54-55页 |
| 5.4 系统界面 | 第55-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第6章 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58-59页 |
| 6.2 展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 攻读硕士学位期间论文与科研情况 | 第66页 |
