學(xué)習(xí)過(guò)程中,情感因素對(duì)學(xué)習(xí)者交流、思考以及學(xué)習(xí)成果的影響巨大,識(shí)別、解釋學(xué)習(xí)者的情感變化并在此基礎(chǔ)上去激勵(lì)學(xué)習(xí)者以及促進(jìn)學(xué)習(xí)進(jìn)程意義重大。我們的工作首先對(duì)學(xué)習(xí)中的情感注意力識(shí)別進(jìn)行了研究,進(jìn)而由抑郁人群注意力易喪失這一特點(diǎn),結(jié)合當(dāng)前在校學(xué)生抑郁高發(fā)態(tài)勢(shì),對(duì)校園學(xué)生輕度抑郁進(jìn)行了相關(guān)研究。在不影響學(xué)習(xí)進(jìn)程的前提下客觀獲取并量化學(xué)習(xí)者的注意力狀態(tài),進(jìn)而對(duì)學(xué)習(xí)進(jìn)程給予適當(dāng)干預(yù)或建議成為情感學(xué)習(xí)領(lǐng)域一大挑戰(zhàn)。傳統(tǒng)的教學(xué)方式主要靠施教者的觀察來(lái)實(shí)現(xiàn),當(dāng)前的研究中,學(xué)習(xí)者情感的獲取主要借助攝像頭,各種傳感器等設(shè)備對(duì)學(xué)生的表情、身體姿態(tài)等信息進(jìn)行學(xué)習(xí)狀態(tài)的識(shí)別,然而這種方式很難精確量化學(xué)習(xí)者情感。另一方面,抑郁對(duì)學(xué)習(xí)進(jìn)程影響巨大,然而對(duì)具有抑郁癥狀的學(xué)生而言,醫(yī)患面對(duì)面的交流方式一般很難被接受,如何為學(xué)生提供私密、準(zhǔn)確的抑郁量化檢測(cè)是另一個(gè)亟待解決的難題。作為從人體頭部采集的生物信息,腦電信號(hào)以及眼動(dòng)信號(hào)已經(jīng)被證實(shí)和人類(lèi)情感變化緊密相關(guān),其中包含了大量的信息可以用于情感的識(shí)別。本研究運(yùn)用數(shù)據(jù)挖掘、信號(hào)處理等相關(guān)理論方法與技術(shù),通過(guò)生物特征數(shù)據(jù)的處理對(duì)注意力以及抑郁進(jìn)行了客觀量化分析。主要研究成果如下... 

【文章來(lái)源】：蘭州大學(xué)甘肅省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：111 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
中文摘要
Abstract
第一章 緒論
    1.1 研究背景
        1.1.1 情感與學(xué)習(xí)
        1.1.2 情感的測(cè)量
        1.1.3 腦電圖(EEG)
        1.1.4 眼動(dòng)數(shù)據(jù)
        1.1.5 基于腦電信號(hào)與眼動(dòng)數(shù)據(jù)的注意力及抑郁識(shí)別
    1.2 研究現(xiàn)狀
        1.2.1 情感的生物特征研究
        1.2.2 生物信息處理算法
        1.2.3 基于EEG的注意力識(shí)別研究
        1.2.4 基于腦電、眼動(dòng)數(shù)據(jù)的抑郁水平識(shí)別研究
        1.2.5 國(guó)內(nèi)研究現(xiàn)狀
    1.3 研究?jī)?nèi)容
        1.3.1 基于EEG數(shù)據(jù)挖掘的注意力識(shí)別研究
        1.3.2 基于腦電與眼動(dòng)信號(hào)的抑郁水平識(shí)別研究
    1.4 論文組織
第二章 基于腦活動(dòng)的情感識(shí)別概述
    2.1 情感建模概述
        2.1.1 情感大腦
        2.1.2 情感模型
        2.1.3 學(xué)習(xí)過(guò)程中的情感
        2.1.4 本工作中所涉及的相關(guān)情感
    2.2 基于腦活動(dòng)的情感認(rèn)知方法
        2.2.1 正電子發(fā)射型斷層顯像(PET)
        2.2.2 功能性磁共振成像(fMRI)
        2.2.3 腦電圖(EEG)
        2.2.4 眼動(dòng)儀(Eye tracking device)
    小結(jié)
第三章 腦電數(shù)據(jù)分析方法
    3.1 腦電提取
    3.2 腦電去噪
        3.2.1 主成分分析
        3.2.2 小波變換
        3.2.3 回歸分析方法
        3.2.4 自適應(yīng)濾波器
        3.2.5 獨(dú)立成分分析
        3.2.6 在線(xiàn)去噪算法
    3.3 特征提取
        3.3.1 線(xiàn)性特征
        3.3.2 非線(xiàn)性特征
    3.4 數(shù)據(jù)挖掘
        3.4.1 線(xiàn)性分類(lèi)器
        3.4.2 神經(jīng)網(wǎng)絡(luò)
        3.4.3 非線(xiàn)性的貝葉斯分類(lèi)器
        3.4.4 最近鄰分類(lèi)器
        3.4.5 其他分類(lèi)算法
    3.5 其他腦電數(shù)據(jù)分析方法
    小結(jié)
第四章 基于EEG數(shù)據(jù)挖掘的注意力識(shí)別研究
    4.1 實(shí)驗(yàn)設(shè)計(jì)
        4.1.1 實(shí)驗(yàn)設(shè)備
        4.1.2 實(shí)驗(yàn)對(duì)象以及實(shí)驗(yàn)材料
        4.1.3 實(shí)驗(yàn)流程
    4.2 腦電信號(hào)處理
        4.2.1 EEG預(yù)處理
        4.2.2 特征提取
        4.2.3 EEG數(shù)據(jù)處理
    4.3 實(shí)驗(yàn)結(jié)果及分析
        4.3.1 個(gè)體差異
        4.3.2 CFS在腦電處理中的應(yīng)用
        4.3.3 特征搜索算法的使用
        4.3.4 注意力識(shí)別精度
        4.3.5 電極位置分析
        4.3.6 EEG在實(shí)時(shí)情感識(shí)別系統(tǒng)中的應(yīng)用研究
    4.4 基于腦電信號(hào)的注意力識(shí)別原型系統(tǒng)
        4.4.1 系統(tǒng)設(shè)計(jì)
        4.4.2 關(guān)鍵模塊系統(tǒng)實(shí)現(xiàn)
        4.4.3 用戶(hù)界面及功能介紹
    小結(jié)
第五章 基于腦電與眼動(dòng)信號(hào)的抑郁水平識(shí)別研究
    5.1 實(shí)驗(yàn)設(shè)計(jì)
        5.1.1 被試
        5.1.2 實(shí)驗(yàn)儀器與實(shí)驗(yàn)材料
        5.1.3 實(shí)驗(yàn)流程
    5.2 基于腦部源定位的抑郁人群腦部特征研究
        5.2.1 標(biāo)準(zhǔn)低分辨率層析成像分析(sLORETA)(腦電源定位)
        5.2.2 實(shí)驗(yàn)結(jié)果
        5.2.3 腦電源定位結(jié)果分析
        5.2.4 總結(jié)及討論
    5.3 腦電地形圖及相干性分析
        5.3.1 腦電地形圖
        5.3.2 相干性分析
        5.3.3 小結(jié)
    5.4 基于眼動(dòng)數(shù)據(jù)的抑郁水平識(shí)別研究
        5.4.1 眼動(dòng)特征提取
        5.4.2 數(shù)據(jù)結(jié)果及分析
        5.4.3 總結(jié)及討論
    小結(jié)
第六章 總結(jié)及展望
參考文獻(xiàn)
在學(xué)期間的研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]中國(guó)情緒圖片系統(tǒng)的編制——在46名中國(guó)大學(xué)生中的試用[J]. 白露,馬慧,黃宇霞,羅躍嘉.  中國(guó)心理衛(wèi)生雜志. 2005(11)
[2]近似熵、互近似熵的性質(zhì)、快速算法及其在腦電與認(rèn)知研究中的初步應(yīng)用[J]. 洪波,唐慶玉,楊福生,陳天祥.  信號(hào)處理. 1999(02)



本文編號(hào)：3260103