基于脑电信号的视频诱发情绪识别
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 表格索引 | 第8-9页 |
| 插图索引 | 第9-10页 |
| 主要符号对照表 | 第10-11页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究意义及目的 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 基于不同信号的情绪识别 | 第12页 |
| 1.2.2 刺激素材的相关研究 | 第12-13页 |
| 1.2.3 脑电的特征提取算法研究 | 第13-14页 |
| 1.2.4 情绪识别的模型研究 | 第14-15页 |
| 1.2.5 多模态情绪识别的研究 | 第15页 |
| 1.2.6 情绪在神经生理学中的研究 | 第15-16页 |
| 1.2.7 情绪识别实际应用中的挑战 | 第16页 |
| 1.3 论文安排 | 第16-17页 |
| 1.4 本章小结 | 第17-19页 |
| 第二章 脑电与情绪的相关背景 | 第19-27页 |
| 2.1 脑电的相关背景知识 | 第19-22页 |
| 2.1.1 大脑的结构及功能 | 第19-20页 |
| 2.1.2 脑电产生的原理 | 第20-21页 |
| 2.1.3 脑电的采集 | 第21-22页 |
| 2.1.4 脑电信号的频域特性 | 第22页 |
| 2.2 情绪的相关背景知识 | 第22-26页 |
| 2.2.1 情绪的定义 | 第22-23页 |
| 2.2.2 情绪模型 | 第23-24页 |
| 2.2.3 情绪的诱发 | 第24-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 实验设计 | 第27-33页 |
| 3.1 实验目的 | 第27页 |
| 3.2 刺激材料 | 第27-28页 |
| 3.3 被视情况 | 第28-29页 |
| 3.4 实验环境 | 第29页 |
| 3.5 实验流程 | 第29-31页 |
| 3.6 实验后续改进措施 | 第31页 |
| 3.7 本章小结 | 第31-33页 |
| 第四章 数据处理的相关算法 | 第33-51页 |
| 4.1 脑电信号处理流程 | 第33-34页 |
| 4.2 脑电信号预处理 | 第34-35页 |
| 4.3 脑电特征提取 | 第35-39页 |
| 4.3.1 频带能量特征 | 第35-36页 |
| 4.3.2 微分熵特征 | 第36-37页 |
| 4.3.3 左右脑非对称特征 | 第37-39页 |
| 4.4 特征的平滑 | 第39-43页 |
| 4.4.1 滑动平均平滑 | 第39页 |
| 4.4.2 线性动力系统平滑 | 第39-43页 |
| 4.5 特征选择和降维 | 第43-46页 |
| 4.5.1 主成分分析 | 第43-45页 |
| 4.5.2 最大相关最小冗余算法 | 第45-46页 |
| 4.6 情绪分类的识别算法 | 第46-50页 |
| 4.6.1 k 近邻算法 | 第47页 |
| 4.6.2 逻辑斯蒂回归 | 第47-48页 |
| 4.6.3 支持向量机分类器 | 第48-50页 |
| 4.7 本章小结 | 第50-51页 |
| 第五章 数据处理结果及讨论 | 第51-65页 |
| 5.1 特征提取算法效果 | 第51-53页 |
| 5.2 特征选择和降维算法效果 | 第53-54页 |
| 5.3 关键频域 | 第54-56页 |
| 5.4 关键脑区 | 第56-58页 |
| 5.5 特征平滑算法效果 | 第58-60页 |
| 5.6 分类算法效果 | 第60-62页 |
| 5.7 模型随时间变化的稳定性 | 第62-64页 |
| 5.8 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 本文主要工作及相关结论 | 第65页 |
| 6.2 工作展望 | 第65-67页 |
| 附录 A 实验结果详细数据 | 第67-73页 |
| 参考文献 | 第73-79页 |
| 致谢 | 第79-81页 |
| 攻读学位期间发表的学术论文目录 | 第81-83页 |
