本文關(guān)鍵詞：基于智能移動(dòng)終端觸屏行為的情緒識(shí)別研究

  更多相關(guān)文章： 情緒識(shí)別 人機(jī)交互 觸屏行為 特征選擇 情緒誘導(dǎo)

【摘要】：當(dāng)今是一個(gè)互聯(lián)網(wǎng)高速發(fā)展的信息時(shí)代,智能移動(dòng)終端已經(jīng)被廣泛應(yīng)用于我們的日常生活中,成為了HCI(人機(jī)交互)的一種新的形式。很多應(yīng)用都紛紛從臺(tái)式機(jī)遷移到基于觸屏的智能移動(dòng)終端上。隨著用戶要求持續(xù)提升智能移動(dòng)終端應(yīng)用的交互體驗(yàn),使我們提出了一個(gè)問(wèn)題:能否通過(guò)基于智能移動(dòng)終端的觸屏行為來(lái)感知用戶情緒。這項(xiàng)研究不僅對(duì)移動(dòng)終端應(yīng)用開(kāi)發(fā)者是一個(gè)有價(jià)值的評(píng)估指標(biāo),同時(shí)也能成為應(yīng)用的一種實(shí)時(shí)個(gè)性化服務(wù)。本文以用戶在使用智能終端時(shí)的滑屏行為為出發(fā)點(diǎn),首先從理論上討論了滑屏行為識(shí)別情緒的可行性�；谶@種可行性,本文通過(guò)設(shè)計(jì)相關(guān)的數(shù)據(jù)收集實(shí)驗(yàn),并定義了一組對(duì)滑屏行為的描述特征,由此構(gòu)建分類器來(lái)自動(dòng)地區(qū)別情緒。完成的主要研究工作如下:首先,本文研究了滑屏行為數(shù)據(jù)的獲取技術(shù),利用結(jié)合IADS-2的Android的拼圖游戲獲取實(shí)驗(yàn)數(shù)據(jù)。通過(guò)獲取的數(shù)據(jù)改進(jìn)了描述滑屏行為的特征,提出了間隔時(shí)間特征。最后使用判別分析法對(duì)特征進(jìn)行相關(guān)性分析。其次,結(jié)合ReliefF特征選擇算法和ANN、SVM分類算法構(gòu)建了ReliefF-ANN和ReliefF-SVM分類模型,以此來(lái)自動(dòng)地區(qū)分四種情緒類別(輕松、興奮、煩躁和無(wú)聊),以及兩層愉悅度和兩層喚醒度。分類效果表明,基于本文提取出的特征能夠較為準(zhǔn)確地識(shí)別情緒分類。同時(shí)基于ReliefF特征選擇的分類算法比傳統(tǒng)的分類算法在識(shí)別率上有了一定的提高。最后考慮性別因素,在性別和情緒兩種因素下對(duì)樣本特征進(jìn)行分析,分析結(jié)果表明,長(zhǎng)度和壓力特征對(duì)于不同性別下的情緒識(shí)別有著相似的影響,而速度和時(shí)間間隔特征受到性別的影響則較大�？紤]性別因素后的數(shù)據(jù)樣本具有多個(gè)標(biāo)簽,傳統(tǒng)的單標(biāo)簽分類算法不能夠滿足分類要求,因此提出了多標(biāo)簽分類算法。本文使用基于java的多標(biāo)簽分類工具mulan對(duì)數(shù)據(jù)樣本進(jìn)行了分類,并給出了相關(guān)評(píng)價(jià)指標(biāo)。本文情緒識(shí)別的仿真實(shí)驗(yàn)?zāi)Ｐ偷慕?duì)于后續(xù)的實(shí)際應(yīng)用具有重要作用。
【關(guān)鍵詞】：情緒識(shí)別 人機(jī)交互 觸屏行為 特征選擇 情緒誘導(dǎo)
【學(xué)位授予單位】：重慶郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TN929.53;TP11
【目錄】：

• 摘要3-4
• Abstract4-11
• 注釋表11-12
• 第1章 引言12-20
• 1.1 研究背景12-15
• 1.1.1 智能設(shè)備的飛速發(fā)展12-13
• 1.1.2 情緒13-14
• 1.1.3 情緒識(shí)別14-15
• 1.2 研究意義15
• 1.3 研究現(xiàn)狀15-18
• 1.4 研究目標(biāo)和主要內(nèi)容18-19
• 1.4.1 研究目標(biāo)18
• 1.4.2 研究?jī)?nèi)容18-19
• 1.5 論文組織結(jié)構(gòu)19-20
• 第2章 背景理論20-23
• 2.1 社會(huì)科學(xué)環(huán)境下通過(guò)觸摸感知情緒20
• 2.2 觸摸作為情緒識(shí)別方式的人機(jī)交互20-21
• 2.3 智能觸屏設(shè)備反應(yīng)情緒觸摸的特征行為21-22
• 2.4 本章小結(jié)22-23
• 第3章 數(shù)據(jù)收集和相關(guān)性分析23-36
• 3.1 問(wèn)卷調(diào)查23-24
• 3.2 應(yīng)用的選擇24-27
• 3.2.1 觸屏設(shè)備24
• 3.2.2 基于Android平臺(tái)的應(yīng)用選擇24-26
• 3.2.3 情緒誘導(dǎo)26-27
• 3.3 數(shù)據(jù)收集27-28
• 3.3.1 實(shí)驗(yàn)內(nèi)容27
• 3.3.2 實(shí)驗(yàn)被試27
• 3.3.3 實(shí)驗(yàn)平臺(tái)27-28
• 3.4 特征提取28-29
• 3.5 數(shù)據(jù)分析29-35
• 3.5.1 判別分析31-32
• 3.5.2 結(jié)果分析32-35
• 3.6 本章小結(jié)35-36
• 第4章 基于智能移動(dòng)終端觸屏行為的情緒識(shí)別算法36-45
• 4.1 Relief F特征選擇算法36-38
• 4.2 ANN和SVM分類算法38-40
• 4.2.1 ANN分類算法38-39
• 4.2.2 SVM分類算法39-40
• 4.3 Relief F-ANN算法和ReliefF-SVM算法40-43
• 4.3.1 Relief F-ANN算法40-42
• 4.3.2 Relief F-SVM算法42-43
• 4.4 分類結(jié)果與分析43-44
• 4.5 本章小結(jié)44-45
• 第5章 性別對(duì)情緒識(shí)別的影響和多標(biāo)簽分類45-52
• 5.1 性別對(duì)情緒識(shí)別的影響45-48
• 5.2 多標(biāo)簽分類算法48-49
• 5.2.1 問(wèn)題轉(zhuǎn)換法48-49
• 5.2.2 算法適應(yīng)法49
• 5.3 分類平臺(tái)和結(jié)果分析49-51
• 5.3.1 mulan49-50
• 5.3.2 結(jié)果分析50-51
• 5.4 本章小結(jié)51-52
• 第6章 總結(jié)與展望52-54
• 6.1 工作總結(jié)52-53
• 6.2 工作展望53-54
• 參考文獻(xiàn)54-59
• 致謝59-61
• 攻讀碩士學(xué)位期間從事的科研工作及取得的成果61

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前3條

1 婁彥磊;;智能手機(jī)操作系統(tǒng)發(fā)展現(xiàn)狀及前景展望[J];電子技術(shù)與軟件工程;2015年15期

2 王海鶴;陸捷榮;詹永照;毛啟容;;基于增量流形學(xué)習(xí)的語(yǔ)音情感特征降維方法[J];計(jì)算機(jī)工程;2011年12期

3 朱遠(yuǎn)楓;章晶;史娜;;基于改進(jìn)的ReliefF算法的神經(jīng)網(wǎng)絡(luò)集成分類模型[J];電腦知識(shí)與技術(shù);2009年07期

，

本文編號(hào)：1038253