人体生理信号的情感分析方法

《智能科学技术著作丛书》序
前言
第1章  绪论
  1.1  情感与情感计算
    1.1.1  情感和情感理论
    1.1.2  情绪分类与维度
    1.1.3  情感计算
  1.2  生理信号的情感计算意义
  1.3  国内外研究与应用状况
    1.3.1  国外研究状况
    1.3.2  国内研究状况
    1.3.3  国内外应用状况
  1.4  情感的生理机制
    1.4.1  大脑中枢机制
    1.4.2  内分泌机制
    1.4.3  神经化学机制
  1.5  常用生理信号与检测
    1.5.1  生理信号检测的历史事件
    1.5.2  常用的8种生理信号分析
    1.5.3  需要注意的问题
  1.6  总结与展望
  参考文献
第2章  生理信号的情感计算模型
  2.1  情感建模的可计算规则
  2.2  基本情感论的情感模型
    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  维度空间论的情感模型
    2.3.1  情感的一维空间模型
    2.3.2  情感的二维空间模型
    2.3.3  情感的三维空间模型
    2.3.4  情感的高维空间模型
  2.4  认知神经科学的情感模型
    2.4.1  情感相关联的神经结构
    2.4.2  情感的认知神经学模型
  2.5  总结与展望
  参考文献
第3章  生理信号的测量系统
    3.1  BIOPAC MP150的硬件系统
    3.1.1  MP100A—CE数据获取单元
    3.1.2  MP的通用接口模块
    3.1.3  MP的生理信号放大器和传感器
  3.2  BIOPAC MP150的软件系统
    3.2.1  系统的最低配置
    3.2.2  AcqKnowledge概述
    3.2.3.AcqKnowledge菜单功能介绍
  3.3  多参数生物反馈测量仪ProComp Infiniti
    3.3.1.ProComp Infiniti硬件基本系统
    3.3.2.ProComp Infiniti的多种传感器
    3.3.3  ProComp Infiniti的软件系统
  3.4  Neuroscan脑电仪
    3.4.1  Neuroscan的硬件组成
    3.4.2  Neuroscan软件包
  3.5  生理信号采集设备的商业开发和应用
    3.5.1  Necomimi脑控猫耳朵
    3.5.2  脑立方——世界上首款注意力训练产品
    3.5.3  心电芯片
  3.6  总结与展望
  参考文献
第4章  生理信号的情感数据采集方法
  4.1  情感诱发方法
    4.1.1  情感材料诱发
    4.1.2  情感情境诱发
  4.2  数据有效性分析方法
    4.2.1  诱发效果影响因素
    4.2.2  诱发效果评估方法
    4.2.3  生理数据可靠性分析
  4.3  情感数据采集实例
    4.3.1  采集目标
    4.3.2  情感诱发方案
    4.3.3  数据采集流程
    4.3.4  情感诱发效果评估
    4.3.5  生理数据可靠性评估
    4.3.6  实验小结
  4.4  总结与展望
  参考文献
第5章  生理信号的情感识别方法
  5.1  接触式生理信号情感识别的意义
    5.1.1  在情感心理生理科学研究中的意义
    5.1.2  在智能人机交互领域的研究意义
  5.2  生理信号情感特征提取
    5.2.1  生理信号的传统特征
    5.2.2  IBI和GSR的矩特征
    5.2.3  ECG信号的瞬时频率和局部振荡特征
    5.2.4  生理信号的非线性特征
    5.2.5  生理信号的时域局部尺度特征
  5.3  生理信号情感特征选择
    5.3.1  特征选择的必要性
    5.3.2  二分类情感识别的特征选择模型
    5.3.3  多种解空间搜索算法的特征选择能力比较
    5.3.4  小结
  5.4  情感识别模型的建立
    5.4.1  支持向量机分类器
    5.4.2  随机森林分类器
  5.5  总结与展望
  参考文献
第6章  非接触性的情感识别方法
  6.1  非接触性情感识别的意义
  6.2  采用热成像技术实现非接触性的情感识别
    6.2.1  TI技术的基本概念
    6.2.2  基于热成像技术识别人类情感
  6.3  采用高光谱技术实现非接触性的情感识别
    6.3.1  高光谱成像技术
    6.3.2  基于高光谱成像技术识别人类情感的优势
    6.3.3  高光谱成像技术识别人类情感现状
  6.4  总结与展望
  参考文献
第7章  典型的应用系统及展望
  7.1  情感机器人
    7.1.1  早稻田大学情感机器人KOBIAN
    7.1.2  麻省理工学院媒体实验室的Nexi
    7.1.3  我国情感机器人研究现状
  7.2  带有情感交互功能的玩具和宠物
    7.2.1  AIBO机器狗
    7.2.2  日本世嘉公司Dog电子宠物狗
    7.2.3  BANDAI Smart Pet电子宠物狗
    7.2.4  腾讯小Q机器人
  7.3  情感计算在健康监护中的应用
    7.3.1  情感计算在远程家庭健康监护中的应用
    7.3.2  穿戴式远程生理参数监护系统
    7.3.3  基于多模态人机接口的智能轮椅
    7.3.4  基于无线技术的测量身体状态的移动监视设备
    7.3.5  神念科技的脑波交互和注意力训练产品
  7.4  情感仿生代理
    7.4.1  基于仿生代理的多模人机情感交互系统
    7.4.2  基于移动设备的仿生代理
  7.5  基于情感计算的行为辅助系统
    7.5.1  情感计算用于检测司机疲劳
    7.5.2  智能驾驶
    7.5.3  情感计算用于提升用户工作效率
  7.6  情感计算的其他应用领域
    7.6.1  情感计算用于游戏设计
    7.6.2  智能情感教学系统
    7.6.3  自适应音乐谱曲系统
    7.6.4  情感计算在电子商务中的应用
  7.7  基于生理信号的情感调节系统设计与实现
    7.7.1  情感调节的基础理论
    7.7.2  音乐与情感调节
    7.7.3  情感交互系统架构
  7.8  总结与展望
  参考文献
彩图