文档介绍：卜一:毫’
≯☆、,.卜、●,‘
目录摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第乱浴研究背景及意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯研究现状与存在的问题⋯⋯⋯⋯⋯⋯⋯⋯论文的具体工作及内容安排⋯⋯⋯⋯⋯⋯论文主要创新点⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第潞粑藕挪杉呼吸信号介绍⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯呼吸信号采集⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第潞粑藕盘卣魈崛信号预处理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.ù⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.臣铺卣魈崛》⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...〔ū浠焕砺邸.〔ㄌ卣鳌小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..第绿卣餮≡裼呕惴ḿ胺掷嗥魃杓啤序列后向选择算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯蚁群优化算法及其改进算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.÷⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.
蜀奈分类器设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.杓葡咝苑掷嗥鞯闹饕2街琛诜掷嗥魃杓啤分类器设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.基于蚁群算法的特征选择及分类过程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..第虑楦惺侗鹗笛榻峁敕治觥呼吸信号的情感识别⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯实验结果及分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.笙蜓≡÷⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯情感特征分析及最优特征组合⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.第伦芙嵊胝雇总结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.附录⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯致谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯研究生期间研究成果及发表的学术论文⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...●‘
关键字:情感识别呼吸信号蚁群算法小波变换后向选择著特征的概念,给出了植煌楦卸杂Φ南灾卣鳎毖芯苛舜聿煌楦械淖钣盘卣髯集。基于呼吸信号的情感识别过程主要包括五个步骤:采集数据、数据预处理、特征提取、特征选择、情感分类。本论文对每一步骤都做了详细介绍。本论文所做的主要工作有以下几部分:臼笛椴杉怂璧暮粑藕拧T谑导校杉撕笮芯恐兴璧种不同情感的数据。并通过归类整理,初步建立了一个呼吸信号的原始信号数据库。实验中使用一些蕴含着丰富情感的视频来诱发被试的真实情感。本研究实验全部都是本校大一学生自愿参加的。圆杉暮粑藕沤性ご恚⑶姨崛∠喙氐奶卣包括统计特征以及小波特征实验对采集到的原始呼吸信号数据进行了各种数据预处理操作,主要包括去噪、滤波、归一化等。前期研究中发现只有统计特征的情况下对情感识别效果不是很好,所以增加提取了小波特征。实验最后总共提取了鎏卣鳎鐾臣铺卣骱鲂〔ㄌ卣鳌擞靡先核惴刑卣餮≡瘛R先核惴ㄊ且桓鲂滦说现代智能算法,应用广泛,可以很好地用来解决一些离散组合优化问题。本文对基本蚁群算法做了一些改进并用到基于呼吸信号的情感识别中。具体改进是将局部搜索和变异策略引入到蚁群优化算法中,结合分类器进行情感识别,不仅获得了的较好效果,并且提供了识别情感状态的有效特征子集。一◆—’~鹣钅浚汗易匀豢蒲Щ;国家重点学科基础心理学科研基金..●
◆~白一,■
.,,,琾瑃琾琣瑆.,.瑃瓹瓸,.
,琫;:瓵—.,琣甋瓼瓵籬,‘,·琧琣,籄;;侈白一
第乱研究背景及意义随着信息技术的高速发展,人们的生活越来越离不开计算机。情感计算是现在以及未来科学计算研究的一个方向。情感计算是研究如何能够让机器和设备认知、理解、处理以及模仿部分人的行为和思考K且桓龊峥缍喔鲅Э频慕徊嫜芯苛煊颍思扑慊蒲А⑿理学、认知科学等。年,教授首次在她的论文中使用情感计算这一个词儿。情感计算的研究目的之一是为了让人类更好地理解人类本身的情感,以便更好地利用。然后在这个基础上,再将情感识别引入到人机交互领域中去,最终取得更广泛的应用。要识别和检测人类的情感,首先要能够获取到人类的