生理信号驱动的情绪识别及交互应用研究
发布时间：2023-05-27 04:22
在人机交互技术快速发展的今天,随着计算机技术、网络技术以及无线电通讯等技术的更新换代,各类软硬件产品对交互体验也有了新的需求,即更符合“以人为中心”的交互设计原则。在人机交互行为的设计过程当中,设计师往往会考虑到三个层面。第一个层面是物理层面,即人和机器之间的力学关系和操作方法,对应的是人机交互过程中的硬件设备;第二个层面是认知层面,即人和计算机之间的信息交流,对应的是人机交互过程中的运行系统;第三个层面是情感层面,即人和计算机之间的相通性、人的交互体验和计算机对人的理解程度,对应计算机处理系统的智能性和反馈性。我们的研究重点主要在于情感层面。情感在我们的日常生活中发挥着非常重要的作用。除了反映人当下的生理心理状态,情感也是决定了人们认知、沟通和决策能力的关键因素。在“以人为中心”设计原则的驱使下,具有较强实时性和较高准确率的情感识别技术逐渐成为了人机交互领域的热门课题,相关研究也发展为人机交互领域的重要研究方向,受到越来越多研究者和研究团体的关注。我们在基于生理信号的情绪识别领域进行了探索,分别从生理信号的分类、识别和应用等角度,整理了相关的学术理论,研究方法、实验素材和计算工具。并...
【文章页数】：175 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究的背景
1.2 研究的发展和现状
1.2.1 情感计算的概念和作用
1.2.2 理论研究的发展
1.2.3 应用的发展和现状
1.3 研究的意义和目的
1.4 本文的组织结构
第2章 情绪识别方法研究
2.1 情绪理论
2.1.1 情绪的定义
2.1.2 情绪唤醒的经典理论
2.1.3 情绪的常用分类模型
2.2 常用情绪识别的方法
2.2.1 主观评价方法
2.2.2 客观数据分析方法
2.3 常用情绪诱发方式和生理信号类型
2.3.1 情绪的诱发方式
2.3.2 常用生理信号及提取方式
2.4 常用情绪识别算法
2.4.1 k近邻算法
2.4.2 支持向量机
2.4.3 逻辑回归
2.4.4 朴素贝叶斯
2.4.5 决策树
2.4.6 人工神经网络
2.4.7 卷积神经网络
2.5 本章小结
第3章 基于生理信号的情绪分类
3.1 情绪识别公共数据库
3.1.1 MIT数据集
3.1.2 DEAP数据集
3.1.3 奥格斯堡大学情绪生理信号数据集
3.2 基于卷积神经网络的情绪分类
3.2.1 公共数据集选择
3.2.2 数据预处理
3.2.3 AlexNet模型实验过程
3.2.4 改进CNN模型实验过程
3.2.5 分类实验结果
3.3 最优数据类型分析
3.4 本章小结
第4章 基于信号特征的情绪判断模型设计
4.1 基于生理信号的情绪诱发实验
4.1.1 实验设计
4.1.2 实验人员
4.1.3 实验设备
4.1.4 主观问卷的设计
4.1.5 实验过程
4.2 主观问卷结果分析
4.3 生理信号数据分析
4.3.1 皮肤电信号数据的处理
4.3.2 心电信号数据的处理
4.3.3 脉搏波信号数据的处理
4.3.4 生理信号特征提取
4.3.5 实验方法的有效性验证
4.4 最优特征集提取和情绪判断模型
4.4.1 主成分分析特征降维
4.4.2 最优特征集提取
4.4.3 情绪判断模型
4.5 本章小结
第5章 情绪判断模型应用验证实验
5.1 验证软件系统设计框架
5.2 验证实验一:情绪可视化系统
5.2.1 情感可视化
5.2.2 基于数据传输的可视化仿真
5.2.3 情绪可视化系统
5.3 验证实验二:情绪自适应交互游戏
5.3.1 交互游戏
5.3.2 情绪自适应交互游戏
5.4 本章小结
第6章 基于情绪识别的可穿戴设备交互应用
6.1 可穿戴交互设备设计框架
6.1.1 虚拟现实
6.1.2 数据手套
6.1.3 穿戴设备设计和连接
6.2 应用实验一:情绪驱动的虚拟手势变化
6.2.1 系统设计
6.2.2 情绪驱动的虚拟手控制应用实验
6.3 应用实验二:情绪驱动的机械臂
6.4 本章小结
第7章 总结和展望
7.1 总结
7.2 展望
参考文献
附录
附录一: BrainHex玩家分类问卷
攻读博士学位期间主要的研究成果
致谢
本文编号：3823881
【文章页数】：175 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究的背景
1.2 研究的发展和现状
1.2.1 情感计算的概念和作用
1.2.2 理论研究的发展
1.2.3 应用的发展和现状
1.3 研究的意义和目的
1.4 本文的组织结构
第2章 情绪识别方法研究
2.1 情绪理论
2.1.1 情绪的定义
2.1.2 情绪唤醒的经典理论
2.1.3 情绪的常用分类模型
2.2 常用情绪识别的方法
2.2.1 主观评价方法
2.2.2 客观数据分析方法
2.3 常用情绪诱发方式和生理信号类型
2.3.1 情绪的诱发方式
2.3.2 常用生理信号及提取方式
2.4 常用情绪识别算法
2.4.1 k近邻算法
2.4.2 支持向量机
2.4.3 逻辑回归
2.4.4 朴素贝叶斯
2.4.5 决策树
2.4.6 人工神经网络
2.4.7 卷积神经网络
2.5 本章小结
第3章 基于生理信号的情绪分类
3.1 情绪识别公共数据库
3.1.1 MIT数据集
3.1.2 DEAP数据集
3.1.3 奥格斯堡大学情绪生理信号数据集
3.2 基于卷积神经网络的情绪分类
3.2.1 公共数据集选择
3.2.2 数据预处理
3.2.3 AlexNet模型实验过程
3.2.4 改进CNN模型实验过程
3.2.5 分类实验结果
3.3 最优数据类型分析
3.4 本章小结
第4章 基于信号特征的情绪判断模型设计
4.1 基于生理信号的情绪诱发实验
4.1.1 实验设计
4.1.2 实验人员
4.1.3 实验设备
4.1.4 主观问卷的设计
4.1.5 实验过程
4.2 主观问卷结果分析
4.3 生理信号数据分析
4.3.1 皮肤电信号数据的处理
4.3.2 心电信号数据的处理
4.3.3 脉搏波信号数据的处理
4.3.4 生理信号特征提取
4.3.5 实验方法的有效性验证
4.4 最优特征集提取和情绪判断模型
4.4.1 主成分分析特征降维
4.4.2 最优特征集提取
4.4.3 情绪判断模型
4.5 本章小结
第5章 情绪判断模型应用验证实验
5.1 验证软件系统设计框架
5.2 验证实验一:情绪可视化系统
5.2.1 情感可视化
5.2.2 基于数据传输的可视化仿真
5.2.3 情绪可视化系统
5.3 验证实验二:情绪自适应交互游戏
5.3.1 交互游戏
5.3.2 情绪自适应交互游戏
5.4 本章小结
第6章 基于情绪识别的可穿戴设备交互应用
6.1 可穿戴交互设备设计框架
6.1.1 虚拟现实
6.1.2 数据手套
6.1.3 穿戴设备设计和连接
6.2 应用实验一:情绪驱动的虚拟手势变化
6.2.1 系统设计
6.2.2 情绪驱动的虚拟手控制应用实验
6.3 应用实验二:情绪驱动的机械臂
6.4 本章小结
第7章 总结和展望
7.1 总结
7.2 展望
参考文献
附录
附录一: BrainHex玩家分类问卷
攻读博士学位期间主要的研究成果
致谢
本文编号：3823881
本文链接：https://www.wllwen.com/shoufeilunwen/rwkxbs/3823881.html
