【摘要】：根據(jù)Gross情感調(diào)節(jié)過程理論,情感調(diào)節(jié)主要是調(diào)節(jié)者通過情境選擇、情境修正、注意分配、認知重評、表達抑制五個階段對自己的不良情感進行自我調(diào)節(jié),自我消化的過程。主要的調(diào)節(jié)策略有認知重評和表達抑制兩種,研究表明認知重評相對于表達抑制更能有效地調(diào)節(jié)負面情感帶來的不良影響。根據(jù)認知重評的調(diào)節(jié)策略,人們通過其它有正面影響的事件如看電影,玩游戲,聽音樂等來轉(zhuǎn)移對引起負面情感的事件的注意力,最終實現(xiàn)對負面情感的調(diào)節(jié)。而要實現(xiàn)這種調(diào)節(jié),用戶必須要花費大量的時間來尋找相應(yīng)的調(diào)節(jié)素材如電影、音樂、圖片等等。這對于一些時間很緊張的用戶是很不方便的。特別是需要長時間面對計算機進行工作的用戶,一方面他們極易因為長期勞累而產(chǎn)生焦慮、心煩等負面情感,影響他們的工作效率；另一方面又需要長期有效地工作,沒有多余的時間去尋找調(diào)節(jié)素材。針對這些用戶,建立一個能夠根據(jù)用戶的喜好和素材的特點,為用戶選擇合適的調(diào)節(jié)素材,從而實現(xiàn)對用戶的負面情感進行調(diào)節(jié)的機制是非常重要的�；谝陨戏治�,本文提出一種以計算機為媒介的情感調(diào)節(jié)方法,主要是建立一個情感調(diào)節(jié)素材評價、選擇模型。此模型首先從主客觀兩方面對情感調(diào)節(jié)素材進行有效地評價,建立一個情感調(diào)節(jié)素材評價矩陣。然后根據(jù)用戶對素材的評價運用一種多屬性決策算法,為用戶智能的從評價好的素材庫中選擇一個合適的調(diào)節(jié)素材,以幫助用戶更好地調(diào)節(jié)負面情感。最后結(jié)合基于生理信號的情感識別的相關(guān)研究成果,建立一個集情感識別和情感調(diào)節(jié)為一體的情感調(diào)節(jié)系統(tǒng)。 本文的主要研究內(nèi)容如下： 1.建立情感調(diào)節(jié)素材庫�；谌藱C交互的情感調(diào)節(jié)特點,從調(diào)節(jié)素材的情感導(dǎo)向、類型、時間長度以及呈現(xiàn)方式四個方面,選擇35個調(diào)節(jié)素材建立了一個情感調(diào)節(jié)素材庫。 2.建立素材屬性評價矩陣。根據(jù)心理學素材評價方法-PAD模型和皮膚電生理信號的一階差分,確定了評價情感調(diào)節(jié)素材的四維屬性,建立了一個情感調(diào)節(jié)素材評價模型。并利用大樣本統(tǒng)計方法建立了一個對35個情感調(diào)節(jié)素材的評價矩陣。 3.建立基于有序加權(quán)平均算子(OWA)的情感調(diào)節(jié)素材選擇模型。提出利用一種多屬性選擇算法-有序加權(quán)平均算子,來完成調(diào)節(jié)素材的選擇過程。詳細介紹了OWA算子的概念和特性。最后建立了一個基于OWA算子的素材選擇模型,并引出了模型中需要解決的情感調(diào)節(jié)素材屬性的賦權(quán)問題。 4.為素材屬性賦權(quán),建立與素材屬性對應(yīng)的權(quán)值向量。根據(jù)已建立的基于OWA算子的素材選擇模型,為素材屬性賦權(quán)。通過深入研究基于層次分析的主觀賦權(quán)和基于熵值法的客觀賦權(quán)方法,分別從主觀和客觀兩方面對素材屬性進行賦權(quán)。然后利用基于離差平方和的組合賦權(quán)法和基于BP神經(jīng)網(wǎng)絡(luò)的交互式賦權(quán)方法,分別對基于主觀和客觀的賦權(quán)權(quán)值進行優(yōu)化。最終確定了基于以上四種賦權(quán)方法所得到的針對35個調(diào)節(jié)素材評價矩陣的權(quán)值向量。 5.驗證OWA算子在情感調(diào)節(jié)素材選擇中的有效性。根據(jù)建立的素材評價矩陣和權(quán)值向量,運用OWA算子對各個素材的屬性進行加權(quán)集結(jié)得出每個調(diào)節(jié)素材的OWA算子集結(jié)值,作為最終選擇調(diào)節(jié)素材的決策值。通過Matlab仿真實驗驗證,針對于四種賦權(quán)方法,有序加權(quán)平均算子選擇出調(diào)節(jié)素材都一樣,并都能完全剔除沒有調(diào)節(jié)效果的5個調(diào)節(jié)素材。從而驗證OWA算子用于情感調(diào)節(jié)素材中的有效性。另外設(shè)計實驗驗證了基于BP神經(jīng)網(wǎng)絡(luò)的交互式賦權(quán)的OWA算子決策選擇的調(diào)節(jié)素材的調(diào)節(jié)效果較優(yōu)于基于離差平方和組合賦權(quán)的OWA算子決策選擇的調(diào)節(jié)素材的調(diào)節(jié)效果。 6.建立一個基于人機交互的情感調(diào)節(jié)系統(tǒng)。基于生理信號情感識別技術(shù)和情感調(diào)節(jié)素材選擇模型,構(gòu)建了一個以計算機為媒介,能夠?qū)崟r監(jiān)測用戶當前的情感狀態(tài),并能通過提供一個用戶喜歡的調(diào)節(jié)素材來幫助用戶管理自己的情感,降低負面情感體驗,增加正向情感體驗的具有“情感支持”功能的情感調(diào)節(jié)系統(tǒng)。并詳細說明了基于生理信號的情感識別的理論、過程、方法以及研究成果。
[Abstract]:According to Gross's theory of emotion regulation process, emotion regulation is a process of self-regulation and self-digestion through five stages: situational selection, situational modification, attention distribution, cognitive reappraisal and expression inhibition. According to the strategy of cognitive reappraisal, people use other positive events such as watching movies, playing games and listening to music to divert their attention from the events that cause negative emotions and eventually achieve the regulation of negative emotions. Users have to spend a lot of time looking for adjustable materials such as movies, music, pictures and so on. This is inconvenient for some time-stressed users. On the other hand, they need to work effectively for a long time without any extra time to find adjustment materials. For these users, it is very important to establish a mechanism to adjust the negative emotions of users by choosing suitable adjustment materials according to their preferences and characteristics. Based on the above analysis, this paper proposes a computer-mediated emotional regulation method, which mainly establishes a model for evaluating and selecting emotional regulation materials. The model first evaluates emotional regulation materials from both subjective and objective aspects, and then establishes an evaluation matrix for emotional regulation materials. A multi-attribute decision-making algorithm is used to select a suitable adjustment material for the user to help the user adjust the negative emotion better from the evaluated material library.
The main contents of this paper are as follows:
1. Establishment of emotion regulation material library. Based on the characteristics of emotion regulation in human-computer interaction, an emotion regulation material library was established by choosing 35 regulation materials from four aspects: emotion orientation, type, time length and presentation mode.
2. Establish the Matrix of Material Attribute Assessment. According to the PAD model and the first-order difference of skin electrophysiological signals, determine the four-dimensional attributes of emotional regulation materials, establish an evaluation model of emotional regulation materials, and establish an evaluation matrix of 35 emotional regulation materials by large sample statistical method.
3. Establish the model of emotion regulation material selection based on OWA operator. Propose a multi-attribute selection algorithm-ordered weighted average operator to complete the selection process of emotion regulation material. Introduce the concept and characteristics of OWA operator in detail. The problem of empowerment of emotional adjustment material attribute needs to be solved.
4. To assign weight to material attributes, the weight vectors corresponding to material attributes are established. According to the established OWA operator-based material selection model, the material attributes are assigned weight. Then, the combination weighting method based on the sum of squares of deviations and the interactive weighting method based on BP neural network are used to optimize the subjective and objective weighting values respectively.
5. Verify the validity of OWA operator in the selection of emotional adjustment materials. According to the evaluation matrix and weight vector, the OWA operator is used to weighted aggregate the attributes of each material to get the aggregation value of OWA operator for each adjustment material, which is used as the final decision-making value for the selection of adjustment materials. In order to validate the validity of OWA operator in affective adjustment materials, an ordered weighted averaging operator is proposed to select the same adjusting materials, and all the five adjusting materials with no adjusting effect can be eliminated completely. The adjustment effect is better than that of the adjustment material selected by OWA operator decision-making based on the sum of squares of deviation and combination weighting.
6. Establish an emotion regulation system based on human-computer interaction. Based on physiological signal emotion recognition technology and emotion regulation material selection model, construct a computer-mediated, real-time monitoring of user's current emotional state, and provide a user's favorite adjustment material to help users manage their emotions, reduce The emotion regulation system with the function of "emotional support" with low negative emotional experience and positive emotional experience is added. The theory, process, method and research results of emotion recognition based on physiological signals are explained in detail.
【學位授予單位】：西南大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TP391.4;B842

【相似文獻】

相關(guān)期刊論文 前10條

1 周建勇;唐遵烈;蔣志偉;;基于FPGA紅外圖像實時非均勻性校正及濾波技術(shù)[J];紅外與激光工程;2006年S4期

2 耿釩;徐丹;楊曉川;周志軍;;Photon Mapping中光強估計的一種改進算法[J];云南大學學報(自然科學版);2007年04期

3 李躍忠;朱星華;吳偉偉;;檢測儀表中的數(shù)據(jù)融合方法[J];東華理工大學學報(自然科學版);2008年01期

4 黃建華;陳國定;;基于delta算子的不確定項觀測器設(shè)計[J];中國科技信息;2008年16期

5 李利;司錫才;柴娟芳;張雯雯;;線性調(diào)頻雷達信號參數(shù)估計算法的多片ADSP實現(xiàn)[J];哈爾濱工程大學學報;2009年03期

6 劉海斌;宮峰勛;;一種改進的多傳感器加權(quán)融合算法[J];電子產(chǎn)品世界;2009年12期

7 梁威;魏宏飛;周鋒;;D-S證據(jù)理論中一種沖突證據(jù)的融合方法[J];計算機工程與應(yīng)用;2011年06期

8 付佳;潘偉;位軍;郝重陽;;一種基于加權(quán)平均梯度的指紋方向圖算法[J];計算機工程與應(yīng)用;2007年15期

9 龔昌來;;基于局部能量的小波圖像融合新方法[J];激光與紅外;2008年12期

10 張剛兵;劉渝;;基于子頻帶分解的寬帶信號干涉法測向算法[J];系統(tǒng)工程與電子技術(shù);2009年03期

相關(guān)會議論文 前10條

1 韋艷艷;李陶深;;一種改進的基于加權(quán)平均后驗概率的1-層泛化方法[A];第二十一屆中國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2004年

2 劉學民;林金森;張正國;;基于聲卡的瞬態(tài)誘發(fā)耳聲發(fā)射檢測系統(tǒng)[A];第九屆全國信號處理學術(shù)年會（CCSP-99）論文集[C];1999年

3 曾建輝;朱國光;;用加權(quán)綜合預(yù)報方法制作湘西強降水預(yù)報[A];2005年泛珠三角氣象學術(shù)研討會論文選集[C];2005年

4 劉陽琦;岳冬梅;趙景斐;;原子時加權(quán)平均算法設(shè)計實現(xiàn)[A];2009全國時間頻率學術(shù)會議論文集[C];2009年

5 段友麗;楚文海;趙建華;;改進層次分析法和模糊綜合評判實現(xiàn)壓鑄鎂合金選材[A];2008重慶市鑄造年會論文集[C];2008年

6 幸莉仙;張翠娥;;改進的AHP法在電力部門員工晉升中的應(yīng)用[A];全國第十屆企業(yè)信息化與工業(yè)工程學術(shù)年會論文集[C];2006年

7 周建勇;唐遵烈;蔣志偉;;基于FPGA紅外圖像實時非均勻性校正及濾波技術(shù)[A];2006年全國光電技術(shù)學術(shù)交流會會議文集（D 光電信息處理技術(shù)專題）[C];2006年

8 俞輝;蹇繼貴;;多智能體有向切換網(wǎng)絡(luò)的加權(quán)平均一致性[A];第二十七屆中國控制會議論文集[C];2008年

9 唐慧君;周仁魁;;軸對稱飛行器姿態(tài)測量中的可見光紅外圖像融合[A];2009年西部光子學學術(shù)會議論文摘要集[C];2009年

10 吳國忱;梁鍇;印興耀;;TTI介質(zhì)qP波頻率-空間域正演模擬[A];中國地球物理學會第二十三屆年會論文集[C];2007年

相關(guān)重要報紙文章 前10條

1 本報記者 屈紅燕;深市：主板公司主業(yè)增長 股改進程快于預(yù)期[N];上海證券報;2006年

2 賀輝紅;市場謹慎預(yù)期或強化[N];中國證券報;2008年

3 本報記者 許少業(yè);多方絕地反擊 3000點先失后得[N];上海證券報;2008年

4 王斌;A股加權(quán)平均股價降至15.15元[N];第一財經(jīng)日報;2008年

5 記者　 清 溪;國開行年內(nèi)將發(fā)第二期ABS[N];證券時報;2005年

6 趙學毅;二成滬深300成份股創(chuàng)新高[N];證券日報;2007年

7 CUBN記者 郭麗娜;B股井噴望與A股并軌[N];中國聯(lián)合商報;2007年

8 彭運年;A股均價重上10元[N];中國證券報;2007年

9 查明;上市公司業(yè)績同比環(huán)比雙增[N];中國證券報;2007年

10 記者　 張喜玉;首批年報顯示:G股最會“賺錢”[N];上海證券報;2006年

相關(guān)博士學位論文 前10條

1 王淑英;水文系統(tǒng)模糊不確定性分析方法的研究與應(yīng)用[D];大連理工大學;2004年

2 熊毅;基于機器學習的蛋白質(zhì)結(jié)合位點特征化和預(yù)測方法研究[D];武漢大學;2011年

3 李德權(quán);有向網(wǎng)絡(luò)多個體系統(tǒng)的量化與魯棒一致性研究[D];上海交通大學;2012年

4 張傳洲;Vilenkin-Like系統(tǒng)上算子有界性[D];武漢大學;2006年

5 趙安邦;穩(wěn)健視頻編碼與傳輸技術(shù)研究[D];清華大學;2007年

6 王春林;大型電站鍋爐配煤及燃燒優(yōu)化的支持向量機建模與實驗研究[D];浙江大學;2007年

7 徐露;虹膜識別若干關(guān)鍵問題研究[D];沈陽工業(yè)大學;2008年

8 俞輝;多智能體機器人協(xié)調(diào)控制研究及穩(wěn)定性分析[D];華中科技大學;2007年

9 宋樂;異源圖像融合及其評價方法的研究[D];天津大學;2008年

10 馮宇平;圖像快速配準與自動拼接技術(shù)研究[D];中國科學院研究生院（長春光學精密機械與物理研究所）;2010年

相關(guān)碩士學位論文 前10條

1 劉曉華;基于小波變換的多光譜圖像融合[D];華中科技大學;2005年

2 余雄勇;直升機飛行狀態(tài)下武器發(fā)射后座力動態(tài)測試研究[D];南京航空航天大學;2006年

3 孫培建;基于加權(quán)平均插值曲面的圖像放大方法研究[D];山東大學;2006年

4 田鑫;特定水域內(nèi)船舶領(lǐng)域的研究[D];大連海事大學;2009年

5 賀莊;基于網(wǎng)格的加權(quán)平均密度自適應(yīng)聚類算法及其應(yīng)用研究[D];湖南大學;2012年

6 何進武;單螺桿擠出機混煉過程表征的研究[D];北京化工大學;2003年

7 王停;紅外與微光圖像融合技術(shù)研究[D];南京理工大學;2007年

8 徐微;基于信息融合的交通流檢測方法的研究[D];蘭州理工大學;2008年

9 劉瑞薇;多傳感器組合導(dǎo)航系統(tǒng)數(shù)據(jù)融合算法研究[D];大連海事大學;2008年

10 常軍;基于圖像縮放的新算法研究與應(yīng)用[D];江南大學;2008年

，

本文編號：2207279