人體生理信號(hào)的情感分析方法

《智能科學(xué)技術(shù)著作叢書(shū)》序
前言
第1章 緒論
1.1 情感與情感計(jì)算
1.1.1 情感和情感理論
1.1.2 情緒分類與維度
1.1.3 情感計(jì)算
1.2 生理信號(hào)的情感計(jì)算意義
1.3 國(guó)內(nèi)外研究與應(yīng)用狀況
1.3.1 國(guó)外研究狀況
1.3.2 國(guó)內(nèi)研究狀況
1.3.3 國(guó)內(nèi)外應(yīng)用狀況
1.4 情感的生理機(jī)制
1.4.1 大腦中樞機(jī)制
1.4.2 內(nèi)分泌機(jī)制
1.4.3 神經(jīng)化學(xué)機(jī)制
1.5 常用生理信號(hào)與檢測(cè)
1.5.1 生理信號(hào)檢測(cè)的歷史事件
1.5.2 常用的8種生理信號(hào)分析
1.5.3 需要注意的問(wèn)題
1.6 總結(jié)與展望
參考文獻(xiàn)
第2章 生理信號(hào)的情感計(jì)算模型
2.1 情感建模的可計(jì)算規(guī)則
2.2 基本情感論的情感模型
2.2.1 Tomkins的情感模型
2.2.2 Izard的情感模型
2.2.3 Ekman的情感模型
2.2.4 OCC的情感模型
2.3 維度空間論的情感模型
2.3.1 情感的一維空間模型
2.3.2 情感的二維空間模型
2.3.3 情感的三維空間模型
2.3.4 情感的高維空間模型
2.4 認(rèn)知神經(jīng)科學(xué)的情感模型
2.4.1 情感相關(guān)聯(lián)的神經(jīng)結(jié)構(gòu)
2.4.2 情感的認(rèn)知神經(jīng)學(xué)模型
2.5 總結(jié)與展望
參考文獻(xiàn)
第3章 生理信號(hào)的測(cè)量系統(tǒng)
3.1 BIOPAC MP150的硬件系統(tǒng)
3.1.1 MP100A-CE數(shù)據(jù)獲取單元
3.1.2 MP的通用接口模塊
3.1.3 MP的生理信號(hào)放大器和傳感器
3.2 BIOPAC MP150的軟件系統(tǒng)
3.2.1 系統(tǒng)的最低配置
3.2.2 AcqKnowledge概述
3.2.3.AcqKnowledge菜單功能介紹
3.3 多參數(shù)生物反饋測(cè)量?jī)xProComp Infiniti
3.3.1.ProComp Infiniti硬件基本系統(tǒng)
3.3.2.ProComp Infiniti的多種傳感器
3.3.3 ProComp Infiniti的軟件系統(tǒng)
3.4 Neuroscan腦電儀
3.4.1 Neuroscan的硬件組成
3.4.2 Neuroscan軟件包
3.5 生理信號(hào)采集設(shè)備的商業(yè)開(kāi)發(fā)和應(yīng)用
3.5.1 Necomimi腦控貓耳朵
3.5.2 腦立方——世界上首款注意力訓(xùn)練產(chǎn)品
3.5.3 心電芯片
3.6 總結(jié)與展望
參考文獻(xiàn)
第4章 生理信號(hào)的情感數(shù)據(jù)采集方法
4.1 情感誘發(fā)方法
4.1.1 情感材料誘發(fā)
4.1.2 情感情境誘發(fā)
4.2 數(shù)據(jù)有效性分析方法
4.2.1 誘發(fā)效果影響因素
4.2.2 誘發(fā)效果評(píng)估方法
4.2.3 生理數(shù)據(jù)可靠性分析
4.3 情感數(shù)據(jù)采集實(shí)例
4.3.1 采集目標(biāo)
4.3.2 情感誘發(fā)方案
4.3.3 數(shù)據(jù)采集流程
4.3.4 情感誘發(fā)效果評(píng)估
4.3.5 生理數(shù)據(jù)可靠性評(píng)估
4.3.6 實(shí)驗(yàn)小結(jié)
4.4 總結(jié)與展望
參考文獻(xiàn)
第5章 生理信號(hào)的情感識(shí)別方法
5.1 接觸式生理信號(hào)情感識(shí)別的意義
5.1.1 在情感心理生理科學(xué)研究中的意義
5.1.2 在智能人機(jī)交互領(lǐng)域的研究意義
5.2 生理信號(hào)情感特征提取
5.2.1 生理信號(hào)的傳統(tǒng)特征
5.2.2 IBI和GSR的矩特征
5.2.3 ECG信號(hào)的瞬時(shí)頻率和局部振蕩特征
5.2.4 生理信號(hào)的非線性特征
5.2.5 生理信號(hào)的時(shí)域局部尺度特征
5.3 生理信號(hào)情感特征選擇
5.3.1 特征選擇的必要性
5.3.2 二分類情感識(shí)別的特征選擇模型
5.3.3 多種解空間搜索算法的特征選擇能力比較
5.3.4 小結(jié)
5.4 情感識(shí)別模型的建立
5.4.1 支持向量機(jī)分類器
5.4.2 隨機(jī)森林分類器
5.5 總結(jié)與展望
參考文獻(xiàn)
第6章 非接觸性的情感識(shí)別方法
6.1 非接觸性情感識(shí)別的意義
6.2 采用熱成像技術(shù)實(shí)現(xiàn)非接觸性的情感識(shí)別
6.2.1 TI技術(shù)的基本概念
6.2.2 基于熱成像技術(shù)識(shí)別人類情感
6.3 采用高光譜技術(shù)實(shí)現(xiàn)非接觸性的情感識(shí)別
6.3.1 高光譜成像技術(shù)
6.3.2 基于高光譜成像技術(shù)識(shí)別人類情感的優(yōu)勢(shì)
6.3.3 高光譜成像技術(shù)識(shí)別人類情感現(xiàn)狀
6.4 總結(jié)與展望
參考文獻(xiàn)
第7章 典型的應(yīng)用系統(tǒng)及展望
7.1 情感機(jī)器人
7.1.1 早稻田大學(xué)情感機(jī)器人KOBIAN
7.1.2 麻省理工學(xué)院媒體實(shí)驗(yàn)室的Nexi
7.1.3 我國(guó)情感機(jī)器人研究現(xiàn)狀
7.2 帶有情感交互功能的玩具和寵物
7.2.1 AIBO機(jī)器狗
7.2.2 日本世嘉公司Dog電子寵物狗
7.2.3 BANDAI Smart Pet電子寵物狗
7.2.4 騰訊小Q機(jī)器人
7.3 情感計(jì)算在健康監(jiān)護(hù)中的應(yīng)用
7.3.1 情感計(jì)算在遠(yuǎn)程家庭健康監(jiān)護(hù)中的應(yīng)用
7.3.2 穿戴式遠(yuǎn)程生理參數(shù)監(jiān)護(hù)系統(tǒng)
7.3.3 基于多模態(tài)人機(jī)接口的智能輪椅
7.3.4 基于無(wú)線技術(shù)的測(cè)量身體狀態(tài)的移動(dòng)監(jiān)視設(shè)備
7.3.5 神念科技的腦波交互和注意力訓(xùn)練產(chǎn)品
7.4 情感仿生代理
7.4.1 基于仿生代理的多模人機(jī)情感交互系統(tǒng)
7.4.2 基于移動(dòng)設(shè)備的仿生代理
7.5 基于情感計(jì)算的行為輔助系統(tǒng)
7.5.1 情感計(jì)算用于檢測(cè)司機(jī)疲勞
7.5.2 智能駕駛
7.5.3 情感計(jì)算用于提升用戶工作效率
7.6 情感計(jì)算的其他應(yīng)用領(lǐng)域
7.6.1 情感計(jì)算用于游戲設(shè)計(jì)
7.6.2 智能情感教學(xué)系統(tǒng)
7.6.3 自適應(yīng)音樂(lè)譜曲系統(tǒng)
7.6.4 情感計(jì)算在電子商務(wù)中的應(yīng)用
7.7 基于生理信號(hào)的情感調(diào)節(jié)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
7.7.1 情感調(diào)節(jié)的基礎(chǔ)理論
7.7.2 音樂(lè)與情感調(diào)節(jié)
7.7.3 情感交互系統(tǒng)架構(gòu)
7.8 總結(jié)與展望
參考文獻(xiàn)
彩圖