情感计算的目的是通过赋予计算机识别、理解、表达和适应人的情感的能力来建立和谐人机环境，并使计算机具有更高的、全面的智能。本书结合国内外及课题组近期研究工作的情况，在介绍了情感计算概念的基础上，重点分析了基于人体生理信号的情感研究方法。书中详细阐述了研究工作的意义、情感模型的建立、生理信号的测量、情感数据的采集方法、情感状态的识别以及典型的应用等，使读者对这一领域的研究工作有比较全面的了解和认识，对促进我国在该领域的研究工作将有积极的作用。
样章试读
目录
《智能科学技术著作丛书》序
前言
第1章 绪论1
1.1 情感与情感计算2
1.1.1 情感和情感理论2
1.1.2 情绪分类与维度5
1.1.3 情感计算8
1.2 生理信号的情感计算意义11
1.3 国内外研究与应用状况13
1.3.1 国外研究状况13
1.3.2 国内研究状况17
1.3.3 国内外应用状况21
1.4 情感的生理机制22
1.4.1 大脑中枢机制23
1.4.2 内分泌机制27
1.4.3 神经化学机制29
1.5 常用生理信号与检测31
1.5.1 生理信号检测的历史事件31
1.5.2 常用的8种生理信号分析32
1.5.3 需要注意的问题42
1.6 总结与展望43
参考文献44
第2章 生理信号的情感计算模型53
2.1 情感建模的可计算规则53
2.2 基本情感论的情感模型56
2.2.1 犜狅犿犽犻狀狊的情感模型57
2.2.2 犐狕犪狉犱的情感模型57
2.2.3 犈犽犿犪狀的情感模型58
2.2.4 犗犆犆的情感模型60
2.3.1 情感的一维空间模型63
2.3.2 情感的二维空间模型63
2.3.3 情感的三维空间模型66
2.3.4 情感的高维空间模型68
2.4 认知神经科学的情感模型70
2.4.1 情感相关联的神经结构70
2.4.2 情感的认知神经学模型71
2.5 总结与展望74参考文献74
第3章 生理信号的测量系统76
3.1 BIOPACMP150的硬件系统76
3.1.1 MP100A-CE数据获取单元76
3.1.2 MP的通用接口模块77
3.1.3 MP的生理信号放大器和传感器78
3.2 BIOPACMP150的软件系统89
3.2.1 系统的最低配置89
3.2.2 AcqKnowledge概述90
3.2.3 AcqKnowledge菜单功能介绍90
3.3 多参数生物反馈测量仪ProCompInfiniti99
3.3.1 ProCompInfiniti硬件基本系统99
3.3.2 ProCompInfiniti的多种传感器100
3.3.3 ProCompInfiniti的软件系统105
3.4 Neuroscan脑电仪106
3.4.1 Neuroscan的硬件组成106
3.4.2 Neuroscan软件包108
3.5 生理信号采集设备的商业开发和应用109
3.5.1 Necomimi脑控猫耳朵110
3.5.2 脑立方———世界上首款注意力训练产品110
3.5.3 心电芯片111
3.6 总结与展望112参考文献112
第4章 生理信号的情感数据采集方法114
4.1 情感诱发方法114
4.1.1 情感材料诱发114
4.1.2 情感情境诱发117
4.2 数据有效性分析方法118
4.2.1 诱发效果影响因素118
4.2.2 诱发效果评估方法119
4.2.3 生理数据可靠性分析122
4.3 情感数据采集实例127
4.3.1 采集目标127
4.3.2 情感诱发方案127
4.3.3 数据采集流程128
4.3.4 情感诱发效果评估130
4.3.5 生理数据可靠性评估130
4.3.6 实验小结144
4.4 总结与展望145
参考文献145
第5章 生理信号的情感识别方法151
5.1 接触式生理信号情感识别的意义151
5.1.1 在情感心理生理科学研究中的意义151
5.1.2 在智能人机交互领域的研究意义154
5.2 生理信号情感特征提取157
5.2.1 生理信号的传统特征157
5.2.2 犐犅犐和犌犛犚的矩特征160
5.2.3 犈犆犌信号的瞬时频率和局部振荡特征162
5.2.4 生理信号的非线性特征164
5.2.5 生理信号的时域局部尺度特征166
5.3 生理信号情感特征选择169
5.3.1 特征选择的必要性169
5.3.2 二分类情感识别的特征选择模型172
5.3.3 多种解空间搜索算法的特征选择能力比较173
5.3.4 小结187
5.4 情感识别模型的建立187
5.4.1 支持向量机分类器187
5.4.2 随机森林分类器188
5.5 总结与展望189
参考文献190
第6章 非接触性的情感识别方法194
6.1 非接触性情感识别的意义194
6.2 采用热成像技术实现非接触性的情感识别195
6.2.1 犜犐技术的基本概念196
6.2.2 基于热成像技术识别人类情感200
6.3 采用高光谱技术实现非接触性的情感识别205
6.3.1 高光谱成像技术205
6.3.2 基于高光谱成像技术识别人类情感的优势206
6.3.3 高光谱成像技术识别人类情感现状208
6.4 总结与展望215
参考文献215
第7章 典型的应用系统及展望218
7.1 情感机器人218
7.1.1 早稻田大学情感机器人犓犗犅犐犃犖218
7.1.2 麻省理工学院媒体实验室的犖犲狓犻219
7.1.3 我国情感机器人研究现状221
7.2 带有情感交互功能的玩具和宠物222
7.2.1 犃犐犅犗机器狗222
7.2.2 日本世嘉公司犻犇狅犵电子宠物狗224
7.2.3 犅犃犖犇犃犐犛犿犪狉狋犘犲狋电子宠物狗225
7.2.4 腾讯小犙机器人225
7.3 情感计算在健康监护中的应用226
7.3.1 情感计算在远程家庭健康监护中的应用226
7.3.2 穿戴式远程生理参数监护系统227
7.3.3 基于多模态人机接口的智能轮椅227
7.3.4 基于无线技术的测量身体状态的移动监视设备228
7.3.5 神念科技的脑波交互和注意力训练产品229
7.4 情感仿生代理230
7.4.1 基于仿生代理的多模人机情感交互系统230
7.4.2 基于移动设备的仿生代理231
7.5 基于情感计算的行为辅助系统231
7.5.1 情感计算用于检测司机疲劳231
7.5.2 智能驾驶231
7.5.3 情感计算用于提升用户工作效率232
7.6 情感计算的其他应用领域233
7.6.1 情感计算用于游戏设计233
7.6.2 智能情感教学系统233
7.6.3 自适应音乐谱曲系统233
7.6.4 情感计算在电子商务中的应用234
7.7 基于生理信号的情感调节系统设计与实现234
7.7.1 情感调节的基础理论235
7.7.2 音乐与情感调节237
7.7.3 情感交互系统架构242
7.8 总结与展望245
参考文献247
彩图]]>
京公网安备 11010102004214号