检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

165 篇 专利
29 篇 学位论文
12 篇 期刊文献

馆藏范围

206 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

36 篇 工学
- 22 篇 仪器科学与技术
- 15 篇 生物医学工程（可授...
- 15 篇 生物工程
- 11 篇 控制科学与工程
- 8 篇 机械工程
- 8 篇 计算机科学与技术...
- 8 篇 软件工程
- 3 篇 航空宇航科学与技...
- 2 篇 交通运输工程
20 篇 理学
- 19 篇 系统科学
- 1 篇 数学
8 篇 管理学
- 8 篇 管理科学与工程(可...
4 篇 教育学
- 2 篇 教育学
- 2 篇 心理学(可授教育学...
4 篇 艺术学
- 4 篇 设计学（可授艺术学...
3 篇 医学
- 2 篇 临床医学
- 1 篇 基础医学(可授医学...
1 篇 文学
- 1 篇 新闻传播学

主题

41 篇 眼动信号
17 篇 脑电信号
7 篇 情绪识别
5 篇 支持向量机
5 篇 情感识别
4 篇 人机交互
3 篇 特征提取
3 篇 信息融合
3 篇 心电信号
3 篇 深度学习
3 篇 特征融合
2 篇 外肢体机器人
2 篇 多模态情绪识别
2 篇 睡眠剥夺
2 篇 相关性分析
2 篇 多模态融合
2 篇 eeg
2 篇 操作信号
2 篇 多模态
1 篇 bp算法

机构

21 篇 东南大学
6 篇 北京市遥感信息研...
6 篇 北京理工大学
5 篇 中国人民解放军国...
5 篇 安徽大学
5 篇 上海交通大学
5 篇 华南理工大学
4 篇 万有引力电子科技...
4 篇 中国科学院苏州生...
4 篇 中国民航大学
4 篇 西南交通大学
4 篇 电子科技大学
4 篇 深圳大学
4 篇 上海零唯一思科技...
4 篇 桂林理工大学
3 篇 华南师范大学
3 篇 北京意图科技有限...
3 篇 西北工业大学
3 篇 南京航空航天大学
3 篇 杭州电子科技大学

作者

7 篇 葛盛
6 篇 吕宝粮
5 篇 胡德文
5 篇 王海燕
5 篇 宋爱国
5 篇 牛亚峰
5 篇 薛澄岐
5 篇 于扬
5 篇 江碧涛
4 篇 黄鹏
4 篇 舒琳
4 篇 吴小培
4 篇 王超昊
4 篇 吴闻宇
4 篇 吴泽
4 篇 李泽
4 篇 周小舟
4 篇 张砚
4 篇 张超
4 篇 徐向民

语言

206 篇 中文

检索条件"主题词=眼动信号"

共 206 条记录，以下是61-70 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于脑电信号的跨个体、高泛化性情感识别方法研究

基于脑电信号的跨个体、高泛化性情感识别方法研究

引用

作者：蔡从虎合肥工业大学

学位级别：硕士

情感在人的日常生活中至关重要。随着人机交互系统的类人性需求不断扩大,情感计算相关技术日新月异。脑电等生理信号具有良好的抗伪装性和跨文化环境适应性的特点,因而受到广泛关注,基于生理信号的情感识别方法的性能也愈发重要。而基... 详细信息

情感在人的日常生活中至关重要。随着人机交互系统的类人性需求不断扩大,情感计算相关技术日新月异。脑电等生理信号具有良好的抗伪装性和跨文化环境适应性的特点,因而受到广泛关注,基于生理信号的情感识别方法的性能也愈发重要。而基于生理信号的情感识别方法受信号非稳态和个体间信号差异的影响,普遍存在准确率低和跨个体泛化能力差的问题。针对此问题,对基于脑电信号的跨个体、高泛化性情感识别方法开展了研究。主要工作如下: (1)对于脑电信号的情感识别,提出了一种基于频带注意力和多尺度卷积的脑电情感识别方法。该方法通过适合于脑电信号特征学习的1D-Inception多尺度卷积结构,对脑电信号进行特征提取。在信号的不同频带之间添加注意力以突出关键频带,并综合考虑脑电信号的空间和时序特征来提高分类性能。方法通过实验在DEAP、SEED、SEED-IV数据集,和实验采集的多标签脑电信号数据集上进行了评估,分别取得了92.38%,87.80%和83.64%和90.06%的识别准确率,且在跨个体识别中保持了稳定的识别效果,证明了方法跨个体的高泛化性。此外,实验比较了不同数据集上的频带权重配置,发现α(8-16Hz)和γ(32-45Hz)频段是脑电信号的情感关键频带。并且还发现,情感产生时的脑电信号模式可能受地域、文化环境等外部因素的影响。 (2)进一步地将心电信号和眼动信号融合进情感识别框架,提出了一种基于自注意力特征融合的多模态情感识别方法。该方法将多尺度卷积思想扩展到心电和眼动信号的特征学习上,以获取更高维度的信号特征和减少参数规模。自注意力机制被用于多模态信号特征的融合中,来提升关键特征的权重和减少模态之间的特征干扰。双向长短期记忆网络被用于学习融合特征的时序信息。实验结果证明了多模态方法的特征提取算法和特征融合策略的有效性。该方法能够准确识别情感,在效价、唤醒度和效价/唤醒度四分类任务上分别取得90.29%、91.38%和83.53%的识别准确率,相比现有方法提高了4.91%到28.45%。

关键词：脑电信号多尺度卷积心电信号眼动信号情感识别

来源：评论

学校读者我要写书评

暂无评论

融合注视追踪与脑电信号的广告评价

融合注视追踪与脑电信号的广告评价

引用

作者：张昕昱杭州电子科技大学

学位级别：硕士

广告营销随着互联网等媒介的发展与普及,已经深入到社会、经济、文化等诸多领域。然而,如何做到科学量化营销效果,提升品牌商业价值,就必须依赖于广告效果评估。引起消费者注意是广告效果的第一要素。因此,本文提出了一种使用注意力指... 详细信息

广告营销随着互联网等媒介的发展与普及,已经深入到社会、经济、文化等诸多领域。然而,如何做到科学量化营销效果,提升品牌商业价值,就必须依赖于广告效果评估。引起消费者注意是广告效果的第一要素。因此,本文提出了一种使用注意力指标对广告效果进行评估的方法,并从脑电信号、眼动信号、融合信号三方面进行了研究探讨。(1)研究了在观看视频过程中基于相位同步的脑电特征变化。实验采用通道对之间的相锁值作为相位同步的衡量指标,从时间、空间、频段三个角度对观看视频任务状态下的相位同步特征进行了分析。研究发现被试间的相位同步矩阵差异很大,而同一被试在时序上相位同步矩阵有明显的相似性。在观看视频过程中,所有被试的大脑活跃的功能区域主要分布于前额叶和后枕叶。(2)研究了脑电指标和眼动指标在广告注意力效果评估过程中的对应关系。脑电注意力指标是通过在观看广告过程中大脑对应频段的能量变化来计算的,而眼动注意力指标则是利用广告观看过程中注视点与广告中兴趣区域的相关数据进行计算的。使用脑电指标和眼动指标对被试在观看广告过程中的注意力情况进行了分析,发现用脑电注意力指标和眼动注意力指标对两个广告分别进行评估,其评估结果存在一致性。评估当中注意力指标较高的广告与问卷调查中回忆度高的广告相同,即脑电注意力与眼动注意力的结果与问卷统计结果一致。(3)提出了一种融合脑电注意力指标与眼动注意力指标的方法。该方法在特征层面上将两种注意力指标进行融合,获得了融合注意力指标。融合指标解决了脑电、眼动单一注意力指标存在的不全面、不准确等问题。通过对三种方法中每个被试的两个对比广告的注意力指标之间的显著性差异比较,发现使用融合的方法提高了两个广告注意力指标的差异显著性。本文通过分析广告中各个片段的注意力指标变化以及注意区域分布,可以帮助广告商选择广告当中容易引起消费者注意的元素,方便广告商对广告内容进行裁剪,以达到优化广告效果,提升广告吸引力的目的。

关键词：广告效果评估注意力脑电信号眼动信号信息融合

来源：评论

学校读者我要写书评

暂无评论

不同分心驾驶类型的表现差异分析及识别研究

不同分心驾驶类型的表现差异分析及识别研究

引用

作者：吴晓健深圳大学

学位级别：硕士

随着经济发展,汽车数量逐年上升,科技的发展也带动了车载设备和电子设备的普及,诱发驾驶员分心的因素越来越多,致使分心驾驶成为交通事故的一个重要原因。驾驶是一个包含感知、判断、决策和操作的综合过程,需要大脑、眼睛、肢体等身体... 详细信息

随着经济发展,汽车数量逐年上升,科技的发展也带动了车载设备和电子设备的普及,诱发驾驶员分心的因素越来越多,致使分心驾驶成为交通事故的一个重要原因。驾驶是一个包含感知、判断、决策和操作的综合过程,需要大脑、眼睛、肢体等身体部位的参与。分心驾驶时,相应部位的指标也会发生变化,深入探索驾驶员分心的指标变化,了解其内在动机,为分心监控提供理论支撑,有助于提高监控效率和预警及时性,减少交通事故的发生。本文依托模拟驾驶平台,在驾驶过程中设置了“时钟任务”,“2-back任务”,“手机导航任务”三种次级任务诱导驾驶员产生分心,通过传感器采集了眼动数据、驾驶绩效数据以及脑电数据。研究内容为:(1)分析不同分心任务之间的眼动、驾驶绩效和脑电指标的差异性,探索差异性产生的原因。(2)对比三种单一指标的分心识别效果,建立人车信息融合的分心判别模型,选出最优特征子集,以及模型优化,进一步提高判别准确率,并对分类器进行性能评价。(3)构建基于层次分析-模糊综合评价法的分心预警模型,对无分心和三种分心驾驶进行预警分级。结果表明:(1)分心驾驶时,驾驶员视觉搜索能力下降,导航任务存在显著的视觉分心;驾驶员在横向和纵向对汽车的控制能力下降,导航分心比认知分心更加明显;导航分心对大脑脑电波和脑区的影响比认知分心更明显,而同为认知分心,2-back任务的影响比时钟任务更显著。(2)在单一指标中,眼动指标作为模型的输入时,识别效果最佳,准确率最高为71.2%。对于人-车的混合指标,在最优特征子集为15个时,模型性能最佳,F1-score达到90.675%,比单一指标表现更好。随着指标数量增多,识别准确率出现波动甚至下降。(3)无分心被归为零级预警(无预警),认知分心(时钟分心、2-back分心)被归为一级预警,而综合分心(导航分心)被归为二级预警。综上所述,相比于认知分心,导航分心对驾驶员的影响更显著,危险性也相对更高,需要启动更高级别的预警。对于分心监测的应用,需要考虑多维度指标的融合,同时也要选择最优特征指标子集,有利于提高识别准确率。

关键词：驾驶分心眼动信号驾驶绩效脑电指标分心识别预警分级

来源：评论

学校读者我要写书评

暂无评论

虚拟现实视觉诱发态下基于前额脑电及眼动的情绪分类研究

虚拟现实视觉诱发态下基于前额脑电及眼动的情绪分类研究

引用

作者：吴施仪华南理工大学

学位级别：硕士

情绪是人类最重要的特征之一,对情绪分类进行深入研究,有助于推进人机交互的智能发展,同时为精神病患者心理障碍的诊治提供了可能。虚拟现实(VR)凭借立体、逼真的环境,让用户享受到身临其境的直观感觉,是较优的情绪诱发元。同时,在情绪... 详细信息

情绪是人类最重要的特征之一,对情绪分类进行深入研究,有助于推进人机交互的智能发展,同时为精神病患者心理障碍的诊治提供了可能。虚拟现实(VR)凭借立体、逼真的环境,让用户享受到身临其境的直观感觉,是较优的情绪诱发元。同时,在情绪分类研究方面,脑电与眼动等生理信号凭借其真实、客观被更多的应用。因此,本文将针对虚拟现实视觉诱发态下基于前额脑电及眼动的情绪分类展开深入研究。据调研,目前相关研究存在以下问题:1)虚拟现实视觉诱发态下带有情绪标签的生理信号库近乎空白,不利于后期算法的研究;2)在基于脑电的情绪分类研究方面,较之传统方法,仅基于前额二导联脑电信号的情绪分类算法研究十分缺乏,给操作与应用带来极大不便;同时,由于VR的特殊性,采集的脑电信号因头部运动与设备电流等引入大量噪声,而基于VR诱发的脑电去噪算法存在空缺;3)眼动位置数据与情绪关联关系存在极大的不确定性。基于以上问题,本文主要进行了如下工作:1)创建了符合国际标准的含有36张三种情绪的VR图片库,搭建了包含3个场景的自动交互型VR视觉诱发实验环境,通过24个受试者参与实验,创建了带有情绪标签的脑电、眼动数据集;2)在基于前额脑电的情绪分类任务中,基于DEAP数据库,借助梯度下降树(GBDT)模型,提出了基于前额二导联脑电时空频域特征融合情绪分类算法,获得平均75.18%的二分类识别率,不输于传统32导联方法,且减少了需处理信号通道数量,降低了特征提取计算;基于VR视觉诱发脑电数据集,提出了2种基于去噪自编码器(DAE)的脑电迁移学习去噪算法,极大地去除了头部运动与VR设备所带来的噪声,借助DAE+GBDT融合算法模型,获得76.88%的平均识别率,验证了分类算法的有效性、普适性;3)在眼动信号分析中,基于循环神经网络(RNN)模型初步探寻了眼动位置信号与情绪的关系,发现了个体差异性,指明了可深入研究方向。本文所做工作,为虚拟现实诱发态下带情绪标签生理信号库的创建打下坚实基础,为基于VR诱发的脑电信号去噪处理提供了可实施方案,为基于前额二导联脑电的情绪分类研究提供了有力参考,有助于可穿戴式情绪检测设备的发展。同时,在基于眼动数据的情绪分类研究上进行了一次积极有益的探索。

关键词：情绪分类前额脑电信号眼动信号虚拟现实机器学习

来源：评论

学校读者我要写书评

暂无评论

基于生理信号的情感识别研究

基于生理信号的情感识别研究

引用

作者：杨娟西南交通大学

学位级别：硕士

情感在我们的日常生活中扮演着十分重要的角色,与人的认知和行为息息相关,情感识别是指通过人的生理或非生理信号识别出人的情感状态,在临床诊断、交通安全、远程教育、精神健康等方面都有着广泛的应用前景。生理信号作为中枢神经系统... 详细信息

情感在我们的日常生活中扮演着十分重要的角色,与人的认知和行为息息相关,情感识别是指通过人的生理或非生理信号识别出人的情感状态,在临床诊断、交通安全、远程教育、精神健康等方面都有着广泛的应用前景。生理信号作为中枢神经系统的电生理表现形式,能够客观、准确地反映人类最真实的情感状态,具有提取方便、无法伪装的特性,在情感识别领域受到了越来越多研究者的青睐,因此如何最大化利用生理信号中的相关信息提升情感识别模型的性能具有重要意义。本文基于生理信号进行了情感识别研究,论文工作内容如下:1.脑电信号特征提取。直接使用原始信号作为分类器的输入存在样本维度高、计算复杂的问题,为了降低脑电信号数据的维度,找出其中最有效、最能体现情感状态的特征信息,对预处理后的脑电数据进行特征提取,并利用K最邻近算法对各个特征的情感分类性能进行详细的对比,为后续的情感识别研究提供实验基础。2.提出一种基于多尺度3D卷积注意网络的情感识别模型。为了充分融合同一时刻与情感相关的脑电时空频信息,设计了一种新颖的四维脑电数据重构方法,由于情感是若干时刻下的多个不同脑区和多个不同频段共同作用产生的,因此构建多尺度三维卷积神经网络并行提取不同维度、不同层次的情感信息。针对情感具有不频繁性,导致采集到的脑电信号存在通道冗余的问题,使用空间注意力机制挖掘情感信息显著的电极通道,最后级联双向长短时记忆结构处理深层特征序列信息。相关实验表明该模型能够有效提高情感识别的准确率,具有很好的泛化能力。3.提出一种基于多头注意力机制的多模态情感识别模型。脑电信号的处理及特征提取与上一部分类似。接着根据眼动信号的时序特点设计了一种二维眼动数据重构方法,利用残差网络捕捉与情感相关的特征。针对眼动信号的高维特性,在残差模块中引入通道注意力机制解决特征冗余的问题。最后引入多头注意力机制进行模态融合,充分发挥模态间互补信息在分类任务中的作用,凸显出表征能力强的情感特征,提高情感识别任务的准确率。

关键词：情感识别深度学习多模态融合脑电信号眼动信号

来源：评论

学校读者我要写书评

暂无评论

基于自监督学习的多模态情感脑机接口研究

基于自监督学习的多模态情感脑机接口研究

引用

作者：谢昀臻杭州电子科技大学

学位级别：硕士

脑电信号(Electroencephalogram,EEG)因其高时间分辨率的特点而成为脑机接口技术的关键工具,利用EEG信号进行情绪识别的研究可以为临床诊断治疗、情绪感知计算和人机交互等领域提供有力支持。然而基于EEG的情绪识别研究仍存在一些局限... 详细信息

脑电信号(Electroencephalogram,EEG)因其高时间分辨率的特点而成为脑机接口技术的关键工具,利用EEG信号进行情绪识别的研究可以为临床诊断治疗、情绪感知计算和人机交互等领域提供有力支持。然而基于EEG的情绪识别研究仍存在一些局限。首先EEG等生理信号在临床上的采集过程比较复杂,高质量数据的获取条件比较苛刻,并且在临床对EEG信号的标签标注工作非常耗时耗力,进一步导致相关数据的稀缺;其次现有许多模型还局限于只使用脑电单模态,而没有充分利用多模态的数据在多视角下的互补信息。针对上述问题,本文开展如下研究工作: (1)传统基于全监督的脑电情绪识别任务通常都面对数据匮乏,标签标注耗时耗力,难以达到临床广泛应用要求的问题。针对这个问题提出了一种基于双流孪生对比网络(Dual-stream Siamese Contrastive Network)的自监督(Selfsupervised Learning,SSL)学习方法,通过在预训练阶段构建一个对比预测结构,使主干编码器在预训练过程能够有效学习到输入信号的通用表征,并在下游情绪分类任务中实现优秀的分类精度,同时使用一种双流自引导架构,避免出现模型输出恒定不变的坍塌问题。通过在SEED和SEED-IV数据集的实验验证,结果显示本方法在原始信号的情绪三分类和四分类上分别取得了93.77%和90.52%的平均分类准确率,同时在部分标签实验中也取得优秀的效果,证明了该模型的有效性和鲁棒性。 (2)针对现有的情绪识别算法未能高效提取和利用多模态生理信号中互补信息,本文在第一项研究工作的基础上,提出了一种基于自监督学习的多模态多约束的情绪识别模型,旨在通过自监督的方法同时提取脑电和眼动特征,利用多个对比损失函数共同约束多模态模型的预训练,提高模型的训练效果。并引入一个注意力模块,提高情绪分类识别的准确率。在数据集SEED-IV的实验显示,基于多模态信号的模型比单模态能够得到更好的准确率,准确率达到96.82%。在部分标签实验中也同样表现出色,在微调阶段仅使用1%数据标签的实验测试中,相比随机初始化的模型,分类准确率高了28.15%,说明模型可以有效减少对数据标签的依赖,最后通过消融实验和混淆矩阵验证了网络的有效性和多模态信息的互补性。

关键词：情绪识别脑电信号眼动信号自监督学习多模态模型双流网络

来源：评论

学校读者我要写书评

暂无评论

堵车对驾驶员生理及绩效表现的影响机制及其应对策略研究

堵车对驾驶员生理及绩效表现的影响机制及其应对策略研究

引用

作者：隋晓璇深圳大学

学位级别：硕士

城市道路拥堵是世界各大城市面临的重要交通问题。目前国内外学者主要从形成机理、疏解策略和环境污染等方面研究道路堵车的危害;而关于堵车对驾驶员身心健康和驾驶行为影响的研究还是起步阶段。因此,本文分析堵车状态下驾驶员的生理和... 详细信息

城市道路拥堵是世界各大城市面临的重要交通问题。目前国内外学者主要从形成机理、疏解策略和环境污染等方面研究道路堵车的危害;而关于堵车对驾驶员身心健康和驾驶行为影响的研究还是起步阶段。因此,本文分析堵车状态下驾驶员的生理和行为特性的差异,并将这些变化的特征进行量化。驾驶员的眼部活动是衡量驾驶员驾驶状态的重要指标,本课题中采用注视时间、注视频次、扫视特征参数。脑电波信号（Electroencephalogram,EEG）作为一种表现人大脑活动的有效指标,在近几年驾驶领域研究中占有越来越重要的地位,本课题同时提取了驾驶员的脑电信号作为基础研究数据,探索驾驶员在经历拥堵情况下脑电变化。旨在全方位探索驾驶员在经历堵车后的反应系统。本文主要解决三个问题:a)利用ANOVA的方法探索驾驶员的驾驶行为和生理特征在经历道路拥堵后相对于全程没有拥堵的变化趋势,并量化该逻辑关系;b)使用机器学习层次聚类的方法建立不同驾驶条件下的“PE-response”模型（Performance and Eye Movement response model）;c)查看音乐干预的方式能否缓解堵车带来的不良影响。本实验设计两种路段,一个有拥堵和不拥堵两种路段,一个全程没有拥堵路段的自由路段;每名受试人员按随机顺序完成以下四组实验,分别是:实验一无音乐无拥堵场景（Light）、实验二无音乐有拥堵场景（Congestion）、实验三舒缓类音乐有拥堵场景（M-Soft）、实验四DJ摇滚类音乐有拥堵场景（M-DJ）。结果显示,堵车对驾驶员的影响会在后续驾驶中延续,经历过堵车的驾驶员和未经历过堵车的驾驶员相比,在非拥堵路段的驾驶速度会更快、加速度更大、油门和方向盘控制更不稳定等多个驾驶表现都有显著差异,且眼动注视区域更为集中,注视时间分配不均衡。采用层次聚类分析方法识别驾驶反应模式。将不经历拥堵驾驶员的驾驶表现即Light组数据的聚类,得到两种驾驶模式NCA（Neutral-Cautious-Aware）和NAN（Neutral-Aggressive-Not aware）;对Congestion组的聚类得到的三种驾驶模式分别是CCA（Congestion-Cautious-Aware）、CCN（CongestionCautious-Not aware）和CAN（Congestion-Aggressive-Not aware）三种。这种模式的提取有利于我们用来识别驾驶员的危险驾驶模式。脑电信号的研究中发现,驾驶员在经历堵车后颞叶区β波功率会有所下降,其他区域以及成分波并没有显著的差异。在音乐的干预下,缓解了驾驶员经历堵车后,后续驾驶中的视觉范围变窄的问题,驾驶员大脑皮层的额叶区域α波的功率明显下降,与前人研究中音频驾驶员影响的结论一致。对驾驶员驾驶表现无显著影响。总体来说音乐的参与一定程度上缓解驾驶员因为拥堵造成高认知负荷的状态,使驾驶员有更多的认知资源应对突发状况。

关键词：驾驶行为堵车眼动信号 EEG 驾驶模式音乐干预

来源：评论

学校读者我要写书评

暂无评论

基于多模态眼动信息的情感识别算法及应用研究

基于多模态眼动信息的情感识别算法及应用研究

引用

作者：汪阳安徽大学

学位级别：硕士

情感识别(Emotion Recognition)是指根据观察、分析和识别被观察人的情感状态的有效信息来推断出人的情感状态。随着计算机和信息技术的快速发展,情感识别也广泛地应用于医疗诊断、视频监控、智能教育、人机交互等多个研究领域。相比较... 详细信息

情感识别(Emotion Recognition)是指根据观察、分析和识别被观察人的情感状态的有效信息来推断出人的情感状态。随着计算机和信息技术的快速发展,情感识别也广泛地应用于医疗诊断、视频监控、智能教育、人机交互等多个研究领域。相比较基于表情、语音、姿势等生物特征的情感识别研究,基于人的生理特征的情感识别能够更加客观准确地反映人的内心最真实的情感状态。而生理信号中的眼动信息在一定程度上能够反映出人的心理活动状态。通过获取眼动信号并分析其潜在的眼动信息能够为情感识别提供更多的线索,所以基于眼动的情感识别具有重要的研究意义和应用价值。本文围绕三种情感状态(正性、中性、负性)下的眼电信号(Electrooculogram,EOG)和视频信号(Video-oculography,VOG)的预处理、特征提取、特征融合、分类识别、应用等内容展开研究。具体的研究工作如下:(1)调研了现有的情感识别技术及基于图像和生理特征的情感识别方法。考虑到眼电信号与视频眼动信号的优缺点,本文采用了使用EOG和VOG两种模态进行眼动信息的采集。该采集方式具有操作简单、实验成本低、受环境影响小等优点。为了有效诱发情感状态,提高采集信号质量,本文设计了一种刺激源选择方法与双模态采集范式,并采集了6位受试者、每人共有72个一分钟长度三种情感状态的眼动数据。(2)研究了眼动特征对情感的表征能力。针对EOG信号,我们分别提取了其时/时-频/空域特征,即通过连续小波变换检测该段信号内的扫视信号段并提取扫视时间的最大值、均值、标准差和扫视频率等参数作为特征;通过短时傅里叶变换提取该段EOG信号的时-频域特征;使用独立分量分析进行空域滤波器设计,并在此基础上进行空域特征的提取。对于VOG信号,利用霍夫变换计算该段信号内瞳孔直径的大小来提取其最大值、均值、标准差特征;通过检测该段连续帧瞳孔中心点的变化来检测凝视信号段并提取凝视时间的最大值、均值、标准差和凝视频率特征。另外,为了研究不同的情感时间长度对情感识别的影响,本文在5种不同时间长度(分别为1秒、2秒、4秒、6秒、10秒)的情感数据提取上述特征。通过对比不同时间长度下的识别结果发现,当情感样本的时间长度为2秒时所有特征的平均识别效果相对较好。不同眼动特征所对应的平均识别结果为:基于扫视特征的正确率为54.6%,凝视特征为55.94%,瞳孔直径特征为56.18%,时-频域特征为47.1%,空域特征为52.5%。(3)研究了特征层与决策层两种特征融合方法。特征层融合方法包括特征直接融合和主成分分析(Principal component analysis,PCA)降维后融合;决策层融合是对每种特征分类后得到的后验概率采取一定规则进行融合,融合规则包括最大值、最小值、均值、求和、乘积规则。使用支持向量机对融合的特征进行分类,其中,PCA方法的平均识别结果为57.89%,比直接融合的识别结果提高了0.64%;决策层融合中的基于均值和求和的规则融合方法得到最高的平均识别率为67.86%,比直接融合多模态的特征提高了9.97%。实验结果表明多模态特征融合方法情感表征性能优于单个模态的识别效果。(4)设计并实现了一个基于眼动信息的视频内容评价系统。针对视频内容的评价,目前主要依靠人工实现。为了提高评价效率,本文设计并实现了一个基于眼动信息的视频内容评价系统。该系统主要由信号输入、预处理、特征提取、模型训练和测试视频等功能模块组成。对每个受试者进行测试,其识别结果均高于70%,测试结果表明系统运行稳定,具有交互性强、操作简单等优点。

关键词：情感识别眼动信号特征提取特征融合信号处理

来源：评论

学校读者我要写书评

暂无评论

枪型伽玛辐射仪视觉舒适度人性化设计研究

枪型伽玛辐射仪视觉舒适度人性化设计研究

引用

作者：李帅成都理工大学

学位级别：硕士

目前,手持式探测传感仪器多集中为传感技术的不断优化以及功能器件的开发,易忽略用户在操作时的交互行为特征与交互体验,缺乏对用户感知、认知与操作环境的考量,导致用户在操作过程中人体视觉舒适度偏低、获取信息时间过长、心理与脑力... 详细信息

目前,手持式探测传感仪器多集中为传感技术的不断优化以及功能器件的开发,易忽略用户在操作时的交互行为特征与交互体验,缺乏对用户感知、认知与操作环境的考量,导致用户在操作过程中人体视觉舒适度偏低、获取信息时间过长、心理与脑力负荷增强、容易疲劳且工作效率低下等人体感知与认知问题的发生,长时间的不良操作也会导致人眼病化的可能性。因此,在满足于用户需求与视觉特性的基础上,提升用户在使用过程中的人体视觉舒适度及作业效率成为了当前手持式探测传感仪器的重中之重。论文以用户发生交互行为的环境、产品造型视觉认知、视觉感知为人性化设计的出发点,以人体视觉认知科学、人机工程学理论为指导依据,通过对手持式探测传感仪器中的枪型伽玛辐射仪进行需求挖掘与分析,利用实验测试、设计仿真验证等方法进行论述。从人体视觉舒适度提升的视角探寻出枪型伽玛辐射仪的人性化设计因素、设计特征、设计规律以及设计方法与思路。通过用户深度访谈与用户的实际操作演绎进行问卷编写;利用问卷调研法,通过数据统计分析用户实际人性化需求、用户操作习性、交互行为等。最后通过实验法,利用眼动信号对不同仪器造型、界面、文字设计进行对比研究,分析出符合用户认读性的设计特征;通过汇总极端高照度环境下照度值对户外高照度环境进行模拟,对用户不同屏幕亮度下的主观视觉感知舒适度、认读准确率、实际观测时间等数据进行统计分析,获取极端高照度环境下满足用户主观视觉舒适度的屏幕背光与照度比值。在上述工作所获得的数据成果基础上,开展设计实践。基于STM32对枪型伽玛辐射仪进行生理疲劳监测示警模块设计,旨在能够及时接收到用户的交互行为并示警,避免高照度环境下产生生理不适感,以及在长时间操作的情境下避免时间过久导致的肌肉酸痛感,并提出一款符合人体视觉认知与人机工程学的枪型伽玛辐射仪工业造型设计方案。设计实践成果也在一定程度上证实前文所总结的设计规律和方法的可行性。

关键词：人体视觉舒适度枪型伽玛辐射仪人机交互眼动信号人性化设计

来源：评论

学校读者我要写书评

暂无评论

脑电信号非线性特征的情绪识别研究

脑电信号非线性特征的情绪识别研究

引用

作者：马军辉太原理工大学

学位级别：硕士

情绪识别技术是一门希望机器理解人类某种情绪状态进而帮助人类完成某种目的的涉及多个领域以及多个学科交叉性研究技术,得益于时代科技水平的持续更新以及获取数据设备的不断迭代,基于情绪识别的人机互动已经广泛应用于虚拟现实、辅助... 详细信息

情绪识别技术是一门希望机器理解人类某种情绪状态进而帮助人类完成某种目的的涉及多个领域以及多个学科交叉性研究技术,得益于时代科技水平的持续更新以及获取数据设备的不断迭代,基于情绪识别的人机互动已经广泛应用于虚拟现实、辅助驾驶以及游戏开发和医疗诊断等多个领域。用于情绪识别的信号模态可以分为非生理信号模态和生理信号模态两类,(1)非生理信号模态包括面部表情(微表情)、眼动、语音和姿势等与情绪密切相关亦或是由情绪所产生结果的外在信号;(2)生理信号模态包括脑电信号、心电信号以及血容量脉冲信号和心率变异信号等不受主观意识控制的内在信号。使用低成本设备可便捷获取面部表情、语音和姿势等外在信号,然而研究发现这些外在信号易受个体误导性产生进而隐藏其真实情绪。眼动信号包括注视、扫视以及眨眼和瞳孔直径等信息,虽然获取成本较高但以一种自然的方式观察个体行为,是一种非侵入且准确的情绪研究数据源,可将其嵌入到虚拟现实等可穿戴设备。在多种生理信号中的脑电信号由于具有反应人类真实情绪而不受主观意识隐藏的优势以及脑电信号采集技术的迅速发展使其已被广泛应用于情绪识别研究。本文使用脑电信号与眼动信号两种模态且基于机器学习和深度学习相关理论,基于混沌相空间重构理论研究脑电信号与情绪之间的内在联系,从理论上验证脑电信号中包含可用于情绪识别分类的非线性特征。为了进一步提高脑电信号的情绪识别精度提出一种新型手工特征。基于卷积神经网络和胶囊网络通过异构脑电信号与眼动信号两种模态提出一种C-Caps Net情绪识别模型架构用于提取脑电信号与眼动信号的深度特征从而实现情绪识别,解决手工特征精度高但泛化能力低的问题。具体研究内容如下:(1)针对脑电信号时序非线性以及Hurst熵反映非线性系统长期记忆性,基于变分模态分解方法强鲁棒性提出一种自适应Hurst指数变分模态分解方法,实现脑电信号降噪和脑电信号非线性特征提取,并使用相空间重构理论还原脑电信号与情绪内在联系的动力学结构,从理论上验证脑电信号与情绪非线性特征的内在联系。(2)针对脑电信号单个特征难以继续提升情绪识别准确率和多模态融合忽视特征与情绪之间相关性的问题,基于多尺度特征提取和深度卷积因子以及非线性排列熵提出一种深度卷积排列熵作为脑电信号的新型非线性手工特征。同时针对构建脑电信号深度卷积排列熵非线性特征向量维数过高的问题,重新定义情绪状态距离的局部邻域构造,改进线性局部切线空间排列降维算法。最后提出一种基于深度卷积排列熵和改进线性局部切线空间排列降维算法的脑电信号非线性手工特征提取方法,使用DEAP数据集进一步提高脑电信号手工特征情绪识别精度。(3)针对手工特征提取精度高但泛化能力低以及使用一种模态情绪识别结果不可靠的问题,通过充分利用脑电信号空间信息和时间信息异构脑电和眼动两种模态,基于卷积神经网络和胶囊网络提出一种双模态情绪识别模型C-Caps Net用于提取脑电信号与眼动信号深度特征从而实现情绪识别。首先采集并预处理脑电信号和眼动信号两种模态,去除两种模态信号噪声的同时提取脑电信号时空特征以及眼动信号特征。由于卷积操作处理不同时间位置的数据模式非常有效,因此卷积神经网络是目前最常用的分类方法,但同时丢失了数据路由过程和位置信息以及姿态信息。首先使用卷积操作提取脑电信号和眼动信号的底层信息,特征融合后重新异构成一个包含脑电信号和眼动信号特征的底层胶囊,最后所有底层胶囊共同决定了情绪胶囊得到情绪识别分类结果,使用SEED IV多模态数据集上分别基于5-fold和LOO交叉验证方法验证情绪识别性能。

关键词：情绪识别脑电信号眼动信号胶囊网络非线性特征

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共21页 << < 3 4 5 6 7 8 9 10 11 12 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：