情感和人格在人們的日常學(xué)習(xí)生活諸如認(rèn)知、創(chuàng)造力、注意力、決策、心理健康等方面起著重要的作用。積極的情感可以促使個(gè)體加快學(xué)習(xí)、工作效率,可以使人際交往更融洽和諧,而消極的情感則不利于個(gè)體的發(fā)展。隨著經(jīng)濟(jì)的飛速發(fā)展,人們的生活節(jié)奏不斷加快、生活成本提高,個(gè)體的生活壓力、職場壓力不斷上升。研究人員通過對文本、圖像、語言建模進(jìn)行情感識(shí)別,并取得了突破性的進(jìn)步。生理信號(hào)是人體組織器官向大腦傳達(dá)信息的載體,生理信號(hào)包含大量的個(gè)人生理和心理信息,這些信息具有不可隱藏性和不可欺騙性�；谏硇盘�(hào)數(shù)據(jù)進(jìn)行深度學(xué)習(xí)建模是目前計(jì)算機(jī)研究領(lǐng)域的一個(gè)研究熱點(diǎn)。本文對生理信號(hào)情感計(jì)算和人格檢測進(jìn)行了介紹,包括概念、研究背景及意義、研究問題和挑戰(zhàn)以及研究現(xiàn)狀,并基于多模態(tài)數(shù)據(jù)集,對個(gè)體進(jìn)行深度學(xué)習(xí)情感分類建模和人格檢測建模。主要工作如下:（1）生理信號(hào)數(shù)據(jù)集:基于情感激發(fā)視頻采集了一個(gè)包含皮膚電阻、脈搏、圖像、語音等通道的實(shí)時(shí)情感人格多模態(tài)數(shù)據(jù)集。（2）面向生理信號(hào),提出了將皮膚電阻數(shù)據(jù)轉(zhuǎn)化成頻譜圖的方法。（3）面向生理信號(hào),將數(shù)據(jù)增強(qiáng)技術(shù)應(yīng)用于生理信號(hào)和頻譜圖。（4）面向情感計(jì)算,建立了基于皮膚電阻的傳統(tǒng)機(jī)器學(xué)習(xí)... 

【文章來源】：合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校

【文章頁數(shù)】：62 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景與意義
        1.1.1 生理信號(hào)情感分類
        1.1.2 生理信號(hào)人格檢測
    1.2 研究問題和挑戰(zhàn)
        1.2.1 生理信號(hào)建模
    1.3 本文組織結(jié)構(gòu)
    1.4 本章小結(jié)
第二章 皮電脈搏情感分類和人格檢測相關(guān)技術(shù)
    2.1 生理信號(hào)情感分類和人格檢測
        2.1.1 皮電脈搏情感分類
        2.1.2 皮膚電阻人格檢測
    2.2 國內(nèi)外研究現(xiàn)狀
        2.2.1 生理信號(hào)情感分類
        2.2.2 生理信號(hào)人格檢測
    2.3 本章小結(jié)
第三章 基于皮膚電阻的情感計(jì)算和人格檢測
    3.1 采集多模態(tài)數(shù)據(jù)集
        3.1.1 多模態(tài)數(shù)據(jù)集概覽
        3.1.2 多模態(tài)數(shù)據(jù)集框架
        3.1.3 數(shù)據(jù)預(yù)處理
        3.1.4 數(shù)據(jù)標(biāo)準(zhǔn)化和信號(hào)頻譜圖
        3.1.5 數(shù)據(jù)增強(qiáng)
    3.2 情感分類模型展示
        3.2.1 支持向量機(jī)模型
        3.2.2 卷積神經(jīng)網(wǎng)絡(luò)模型
        3.2.3 長短時(shí)記憶網(wǎng)絡(luò)模型
        3.2.4 注意力機(jī)制
        3.2.5 卷積神經(jīng)網(wǎng)絡(luò)-長短時(shí)記憶網(wǎng)絡(luò)訓(xùn)練模型
        3.2.6 卷積神經(jīng)網(wǎng)絡(luò)長短時(shí)記憶網(wǎng)絡(luò)聯(lián)合訓(xùn)練模型
    3.3 情感分類實(shí)驗(yàn)結(jié)果
        3.3.1 支持向量機(jī)模型實(shí)驗(yàn)結(jié)果
        3.3.2 卷積神經(jīng)網(wǎng)絡(luò)模型實(shí)驗(yàn)結(jié)果
        3.3.3 長短時(shí)記憶網(wǎng)絡(luò)模型實(shí)驗(yàn)結(jié)果
        3.3.4 雙向LSTM模型實(shí)驗(yàn)結(jié)果
        3.3.5 CNN-LSTM模型實(shí)驗(yàn)結(jié)果
        3.3.6 混合數(shù)據(jù)集下的具有注意力機(jī)制的LSTM模型實(shí)驗(yàn)結(jié)果
        3.3.7 方法評(píng)估與對比分析
    3.4 大五人格檢測
        3.4.1 大五人格檢測
        3.4.2 人格分類模型
        3.4.3 人格回歸模型
    3.5 大五人格實(shí)驗(yàn)結(jié)果
    3.6 本章小結(jié)
第四章 基于皮膚電阻和脈搏的多模態(tài)情感分類
    4.1 脈搏預(yù)處理
        4.1.1 脈搏信號(hào)去噪
        4.1.2 小波變換
    4.2 脈搏信號(hào)特征提取
        4.2.1 Pan Tompkins算法
        4.2.2 特征提取
    4.3 基于皮膚電阻和脈搏的情感分類模型展示
        4.3.1 基于皮膚電阻和脈搏的投票法分類器模型
        4.3.2 基于皮膚電阻和脈搏的單維度長短時(shí)記憶網(wǎng)絡(luò)模型
        4.3.3 基于皮電和脈搏的聯(lián)合長短時(shí)記憶網(wǎng)絡(luò)模型
        4.3.4 具有注意力機(jī)制的雙模態(tài)聯(lián)合長短時(shí)記憶網(wǎng)絡(luò)模型
    4.4 多模態(tài)情感分類實(shí)驗(yàn)結(jié)果
        4.4.1 基于皮膚電阻和脈搏的機(jī)器學(xué)習(xí)模型實(shí)驗(yàn)結(jié)果
        4.4.2 基于皮膚電阻和脈搏的集成學(xué)習(xí)模型實(shí)驗(yàn)結(jié)果
        4.4.3 基于皮膚電阻和脈搏的深度學(xué)習(xí)模型實(shí)驗(yàn)結(jié)果
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 本文工作總結(jié)
    5.2 未來工作展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間的學(xué)術(shù)活動(dòng)及成果情況



本文編號(hào)：3171327