情感計(jì)算的目標(biāo)是賦予計(jì)算機(jī)情感表達(dá)、情感識(shí)別和情感理解的能力。其中,情感識(shí)別是實(shí)現(xiàn)情感計(jì)算的基礎(chǔ),是情感認(rèn)知研究的關(guān)鍵。本論文的主要內(nèi)容是基于視頻刺激的腦電信號(hào)特征研究,目的是找到和情緒最相關(guān)的腦區(qū),以縮短情緒識(shí)別時(shí)間,有利于情緒識(shí)別應(yīng)用到便攜式情感計(jì)算設(shè)備里。首先,搜集愉悅、悲傷、中性三種情緒的視頻,從中選出能更好誘發(fā)被試情緒的視頻,然后設(shè)計(jì)了兩個(gè)刺激文件用于采集腦電信號(hào),并對(duì)原始腦電信號(hào)進(jìn)行了預(yù)處理操作。其次,對(duì)預(yù)處理后的腦電信號(hào)進(jìn)行小波變換,提取腦電特征,利用支持向量機(jī)對(duì)樣本進(jìn)行訓(xùn)練和分類(lèi)。最后,用逐步增加腦區(qū)的方法找到了與情緒最相關(guān)的腦區(qū)位于額葉和顳葉,并且找到了62個(gè)電極里和情緒最相關(guān)的電極,進(jìn)一步證明了這一結(jié)論。本論文找到了能提高情緒分類(lèi)準(zhǔn)確率的小波基和腦電特征：sym8小波和微分熵特征。另外,截取樣本時(shí)如果舍去每個(gè)視頻前10s的腦電信號(hào)、樣本間重疊率為50%,也能提高情緒分類(lèi)準(zhǔn)確率,6個(gè)人的情緒分類(lèi)平均準(zhǔn)確率能達(dá)到89.44%。然后用逐步增加腦區(qū)的方法找到了與情緒最相關(guān)的腦區(qū)位于額葉和顳葉,6個(gè)人在這兩個(gè)腦區(qū)上的情緒分類(lèi)平均準(zhǔn)確率為88.75%,然后借助相關(guān)性分析,找到了... 

【文章來(lái)源】：中央民族大學(xué)北京市 211工程院校 985工程院校

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 情緒刺激材料的研究現(xiàn)狀
        1.2.2 腦電信號(hào)特征提取
        1.2.3 情緒分類(lèi)算法
    1.3 本文研究?jī)?nèi)容
    1.4 論文安排
第二章 腦電信號(hào)采集及預(yù)處理
    2.1 情緒與腦電的相關(guān)知識(shí)
    2.2 視頻刺激材料
    2.3 刺激文件
    2.4 腦電信號(hào)采集
        2.4.1 腦電信號(hào)采集實(shí)驗(yàn)環(huán)境
        2.4.2 腦電信號(hào)采集流程
    2.5 腦電信號(hào)預(yù)處理
    2.6 本章小結(jié)
第三章 基于視頻刺激的腦電信號(hào)特征研究
    3.1 小波變換概述
    3.2 小波基的選取
    3.3 腦電信號(hào)特征提取
        3.3.1 腦電特征
        3.3.2 特征提取
    3.4 EEG情感特征分析
        3.4.1 頻帶能量
        3.4.2 頻帶能量比例
        3.4.3 頻帶能量比例取對(duì)數(shù)
        3.4.4 微分熵
        3.4.5 特征選擇
        3.4.6 優(yōu)化樣本截取方法
    3.5 本章小結(jié)
第四章 基于不同腦區(qū)的情緒識(shí)別研究
    4.1 腦區(qū)概述
    4.2 與情緒最相關(guān)的腦區(qū)研究
    4.3 與情緒最相關(guān)的電極研究
        4.3.1 相關(guān)性分析概述
        4.3.2 尋找與情緒最相關(guān)的電極
    4.4 本章小結(jié)
第五章 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
參考文獻(xiàn)
附錄A
致謝
攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文


【參考文獻(xiàn)】：
期刊論文
[1]基于腦電的情緒識(shí)別研究綜述[J]. 聶聃,王曉韡,段若男,呂寶糧.  中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào). 2012(04)



本文編號(hào)：3447369