情緒分類(lèi)識(shí)別是對(duì)人類(lèi)情感進(jìn)行研究,相關(guān)技術(shù)可以使得智能機(jī)器更好的輔助人們工作。尤其隨著可穿戴設(shè)備的發(fā)展,可以實(shí)時(shí)動(dòng)態(tài)采集生理信號(hào),基于可穿戴式的動(dòng)態(tài)生理信號(hào)情緒分類(lèi)成為可能。但目前基于生理信號(hào)的情緒分類(lèi)研究集中于在實(shí)驗(yàn)室條件下基于腦電信號(hào)和基于外周生理信號(hào)的情緒分類(lèi)研究,未能將腦電信號(hào)與外周生理信號(hào)做混合生理信號(hào)融合研究,也未做更適應(yīng)實(shí)際場(chǎng)景的基于動(dòng)態(tài)生理信號(hào)混合的情緒分類(lèi)研究,同時(shí)對(duì)于生理信號(hào)的特征提取也未考慮情緒的生理機(jī)制。本文基于這些問(wèn)題進(jìn)行研究,從情緒腦電的生理機(jī)制入手進(jìn)行特征提取算法研究,并構(gòu)建混合生理信號(hào)的四分類(lèi)情緒分類(lèi)模型與基于可穿戴設(shè)備的動(dòng)態(tài)生理信號(hào)的四分類(lèi)情緒分類(lèi)模型。在基于腦電信號(hào)情緒分類(lèi)研究中,本文從情緒腦電的生理機(jī)制入手提取時(shí)空特征,并對(duì)四種情緒進(jìn)行分析發(fā)現(xiàn),時(shí)空特征有最好的識(shí)別效果,同時(shí)可以減少其他狀態(tài)情緒誤判為高喚醒度高效價(jià)（high arousal high valence,HAHV）和高喚醒度低效價(jià)（high arousal low valence,HALV）的概率,也可以提升在其他特征下分類(lèi)結(jié)果不好的低喚醒度低效價(jià)（low arousal low va... 

【文章來(lái)源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文的主要研究?jī)?nèi)容
第2章 生理信號(hào)情緒分類(lèi)理論基礎(chǔ)
    2.1 引言
    2.2 情緒簡(jiǎn)介
        2.2.1 情緒維度簡(jiǎn)介
        2.2.2 情緒誘發(fā)
        2.2.3 情感標(biāo)注
    2.3 生理信號(hào)簡(jiǎn)介
        2.3.1 腦電信號(hào)簡(jiǎn)介
        2.3.2 心電信號(hào)簡(jiǎn)介
        2.3.3 呼吸信號(hào)簡(jiǎn)介
        2.3.4 皮膚電信號(hào)簡(jiǎn)介
    2.4 常用的生理情感數(shù)據(jù)庫(kù)
    2.5 本章小結(jié)
第3章 基于腦電信號(hào)情緒分類(lèi)研究
    3.1 引言
    3.2 腦電信號(hào)常用情緒分類(lèi)模型
        3.2.1 腦電信號(hào)特征提取
        3.2.2 特征標(biāo)準(zhǔn)化
        3.2.3 特征分類(lèi)算法介紹
        3.2.4 分類(lèi)結(jié)果與分析
    3.3 腦電信號(hào)空間域特征分類(lèi)模型構(gòu)建
        3.3.1 空間域特征提取
        3.3.2 空間域特征分類(lèi)結(jié)果與分析
    3.4 腦電信號(hào)時(shí)空域特征分類(lèi)模型構(gòu)建
        3.4.1 腦電信號(hào)時(shí)空域特征提取
        3.4.2 時(shí)空域特征分類(lèi)結(jié)果與分析
        3.4.3 時(shí)空域特征在其他公共數(shù)據(jù)庫(kù)驗(yàn)證
    3.5 情緒混合生理信號(hào)采集實(shí)驗(yàn)及腦電信號(hào)實(shí)驗(yàn)數(shù)據(jù)分析
        3.5.1 情緒混合生理信號(hào)采集實(shí)驗(yàn)
        3.5.2 實(shí)驗(yàn)采集腦電信號(hào)預(yù)處理
        3.5.3 基于獨(dú)立分量相似性眼電噪聲識(shí)別算法分析
        3.5.4 實(shí)驗(yàn)數(shù)據(jù)分類(lèi)結(jié)果與分析
    3.6 本章小結(jié)
第4章 基于混合生理信號(hào)情緒分類(lèi)研究
    4.1 引言
    4.2 外周生理信號(hào)情緒分類(lèi)模型構(gòu)建
        4.2.1 ECG信號(hào)預(yù)處理及特征提取
        4.2.2 皮膚電信號(hào)預(yù)處理及特征提取
        4.2.3 呼吸信號(hào)預(yù)處理及特征提取
        4.2.4 公共數(shù)據(jù)庫(kù)數(shù)據(jù)分類(lèi)結(jié)果與分析
        4.2.5 外周生理信號(hào)實(shí)驗(yàn)數(shù)據(jù)分類(lèi)結(jié)果與分析
    4.3 混合生理信號(hào)融合情緒分類(lèi)研究
        4.3.1 傳統(tǒng)特征層融合
        4.3.2 基于投票機(jī)制多層感知器的特征層融合
        4.3.3 多生理信號(hào)深度信念網(wǎng)絡(luò)的特征層融合
        4.3.4 決策層融合
    4.4 自建數(shù)據(jù)庫(kù)實(shí)驗(yàn)數(shù)據(jù)結(jié)果分析
        4.4.1 傳統(tǒng)特征層融合實(shí)驗(yàn)結(jié)果與分析
        4.4.2 基于投票機(jī)制多層感知器的特征層融合實(shí)驗(yàn)結(jié)果分析
        4.4.3 多生理信號(hào)深度信念網(wǎng)絡(luò)的特征層融合實(shí)驗(yàn)結(jié)果分析
        4.4.4 決策層融合實(shí)驗(yàn)結(jié)果分析
        4.4.5 生理信號(hào)的不同組合對(duì)決策層融合結(jié)果的影響
    4.5 基于可穿戴式動(dòng)態(tài)生理信號(hào)情緒分類(lèi)研究
    4.6 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝



本文編號(hào)：2957863