學習過程中,情感因素對學習者交流、思考以及學習成果的影響巨大,識別、解釋學習者的情感變化并在此基礎(chǔ)上去激勵學習者以及促進學習進程意義重大。我們的工作首先對學習中的情感注意力識別進行了研究,進而由抑郁人群注意力易喪失這一特點,結(jié)合當前在校學生抑郁高發(fā)態(tài)勢,對校園學生輕度抑郁進行了相關(guān)研究。在不影響學習進程的前提下客觀獲取并量化學習者的注意力狀態(tài),進而對學習進程給予適當干預(yù)或建議成為情感學習領(lǐng)域一大挑戰(zhàn)。傳統(tǒng)的教學方式主要靠施教者的觀察來實現(xiàn),當前的研究中,學習者情感的獲取主要借助攝像頭,各種傳感器等設(shè)備對學生的表情、身體姿態(tài)等信息進行學習狀態(tài)的識別,然而這種方式很難精確量化學習者情感。另一方面,抑郁對學習進程影響巨大,然而對具有抑郁癥狀的學生而言,醫(yī)患面對面的交流方式一般很難被接受,如何為學生提供私密、準確的抑郁量化檢測是另一個亟待解決的難題。作為從人體頭部采集的生物信息,腦電信號以及眼動信號已經(jīng)被證實和人類情感變化緊密相關(guān),其中包含了大量的信息可以用于情感的識別。本研究運用數(shù)據(jù)挖掘、信號處理等相關(guān)理論方法與技術(shù),通過生物特征數(shù)據(jù)的處理對注意力以及抑郁進行了客觀量化分析。主要研究成果如下... 

【文章來源】：蘭州大學甘肅省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：111 頁

【學位級別】：博士

【文章目錄】：
中文摘要
Abstract
第一章 緒論
    1.1 研究背景
        1.1.1 情感與學習
        1.1.2 情感的測量
        1.1.3 腦電圖(EEG)
        1.1.4 眼動數(shù)據(jù)
        1.1.5 基于腦電信號與眼動數(shù)據(jù)的注意力及抑郁識別
    1.2 研究現(xiàn)狀
        1.2.1 情感的生物特征研究
        1.2.2 生物信息處理算法
        1.2.3 基于EEG的注意力識別研究
        1.2.4 基于腦電、眼動數(shù)據(jù)的抑郁水平識別研究
        1.2.5 國內(nèi)研究現(xiàn)狀
    1.3 研究內(nèi)容
        1.3.1 基于EEG數(shù)據(jù)挖掘的注意力識別研究
        1.3.2 基于腦電與眼動信號的抑郁水平識別研究
    1.4 論文組織
第二章 基于腦活動的情感識別概述
    2.1 情感建模概述
        2.1.1 情感大腦
        2.1.2 情感模型
        2.1.3 學習過程中的情感
        2.1.4 本工作中所涉及的相關(guān)情感
    2.2 基于腦活動的情感認知方法
        2.2.1 正電子發(fā)射型斷層顯像(PET)
        2.2.2 功能性磁共振成像(fMRI)
        2.2.3 腦電圖(EEG)
        2.2.4 眼動儀(Eye tracking device)
    小結(jié)
第三章 腦電數(shù)據(jù)分析方法
    3.1 腦電提取
    3.2 腦電去噪
        3.2.1 主成分分析
        3.2.2 小波變換
        3.2.3 回歸分析方法
        3.2.4 自適應(yīng)濾波器
        3.2.5 獨立成分分析
        3.2.6 在線去噪算法
    3.3 特征提取
        3.3.1 線性特征
        3.3.2 非線性特征
    3.4 數(shù)據(jù)挖掘
        3.4.1 線性分類器
        3.4.2 神經(jīng)網(wǎng)絡(luò)
        3.4.3 非線性的貝葉斯分類器
        3.4.4 最近鄰分類器
        3.4.5 其他分類算法
    3.5 其他腦電數(shù)據(jù)分析方法
    小結(jié)
第四章 基于EEG數(shù)據(jù)挖掘的注意力識別研究
    4.1 實驗設(shè)計
        4.1.1 實驗設(shè)備
        4.1.2 實驗對象以及實驗材料
        4.1.3 實驗流程
    4.2 腦電信號處理
        4.2.1 EEG預(yù)處理
        4.2.2 特征提取
        4.2.3 EEG數(shù)據(jù)處理
    4.3 實驗結(jié)果及分析
        4.3.1 個體差異
        4.3.2 CFS在腦電處理中的應(yīng)用
        4.3.3 特征搜索算法的使用
        4.3.4 注意力識別精度
        4.3.5 電極位置分析
        4.3.6 EEG在實時情感識別系統(tǒng)中的應(yīng)用研究
    4.4 基于腦電信號的注意力識別原型系統(tǒng)
        4.4.1 系統(tǒng)設(shè)計
        4.4.2 關(guān)鍵模塊系統(tǒng)實現(xiàn)
        4.4.3 用戶界面及功能介紹
    小結(jié)
第五章 基于腦電與眼動信號的抑郁水平識別研究
    5.1 實驗設(shè)計
        5.1.1 被試
        5.1.2 實驗儀器與實驗材料
        5.1.3 實驗流程
    5.2 基于腦部源定位的抑郁人群腦部特征研究
        5.2.1 標準低分辨率層析成像分析(sLORETA)(腦電源定位)
        5.2.2 實驗結(jié)果
        5.2.3 腦電源定位結(jié)果分析
        5.2.4 總結(jié)及討論
    5.3 腦電地形圖及相干性分析
        5.3.1 腦電地形圖
        5.3.2 相干性分析
        5.3.3 小結(jié)
    5.4 基于眼動數(shù)據(jù)的抑郁水平識別研究
        5.4.1 眼動特征提取
        5.4.2 數(shù)據(jù)結(jié)果及分析
        5.4.3 總結(jié)及討論
    小結(jié)
第六章 總結(jié)及展望
參考文獻
在學期間的研究成果
致謝


【參考文獻】：
期刊論文
[1]中國情緒圖片系統(tǒng)的編制——在46名中國大學生中的試用[J]. 白露,馬慧,黃宇霞,羅躍嘉.  中國心理衛(wèi)生雜志. 2005(11)
[2]近似熵、互近似熵的性質(zhì)、快速算法及其在腦電與認知研究中的初步應(yīng)用[J]. 洪波,唐慶玉,楊福生,陳天祥.  信號處理. 1999(02)



本文編號：3260103