人機(jī)情感交互

前言
第1章 緒論
1.1 語(yǔ)言命令交互階段
1.2 圖形用戶界面階段
1.2.1 “Memex”信息機(jī)器的構(gòu)想
1.2.2 可直接構(gòu)造圖形圖像的Sketchpad系統(tǒng)
1.2.3 世界第一只鼠標(biāo)
1.2.4 使用圖形用戶界面的個(gè)人計(jì)算機(jī)
1.3 人機(jī)自然交互階段
1.3.1 語(yǔ)音交互
1.3.2 普適計(jì)算
1.3.3 體感交互
1.3.4 基于視線追蹤的人機(jī)交互
1.3.5 第六感交互
1.3.6 虛擬現(xiàn)實(shí)
1.4 人機(jī)情感交互階段
1.4.1 人臉表情交互
1.4.2 語(yǔ)音情感交互
1.4.3 肢體行為情感交互
1.4.4 生理信號(hào)情感識(shí)別
1.4.5 文本信息中的情感
1.4.6 情感仿生代理
1.4.7 多模情感人機(jī)交互
參考文獻(xiàn)
第2章 情感模型
2.1 基于基本情感論的情感模型
2.2 基于維度空間論的情感模型
2.3 基于認(rèn)知機(jī)制的情感模型
2.3.1 EM模型
2.3.2 Roseman情感模型
2.3.3 EMA情感模型
2.3.4 salt & Pepper模型
2.4 基于個(gè)性化的情感模型
2.4.1 大五模型
2.4.2 Chittaro行為模型
2.4.3 EFA性格空間的構(gòu)造方法
2.4.4 情緒-心情-性格模型
2.5 其他情感模型
2.5.1 Picard的情感HMM模型
2.5.2 分布式情感模型
2.5.3 基于人工心理的狀態(tài)空間情感模型
2.6 情感模型的應(yīng)用
2.6.1 情感機(jī)器人
2.6.2 情感仿生代理
2.7 總結(jié)與展望
參考文獻(xiàn)
第3章 人臉表情交互
3.1 人臉表情建模
3.2 人臉表情識(shí)別
3.2.1 人臉表情數(shù)據(jù)庫(kù)
3.2.2 表情特征提取
3.2.3 表情分類(lèi)方法
3.3 人臉表情識(shí)別的發(fā)展方向
3.3.1 魯棒的表情識(shí)別
3.3.2 精細(xì)的表情識(shí)別
3.3.3 混合表情識(shí)別
3.3.4 非基本表情識(shí)別
3.4 人臉表情生成
3.4.1 人臉表情動(dòng)畫(huà)合成
3.4.2 智能人臉表情生成
3.4.3 眼動(dòng)情感生成
3.5 總結(jié)與展望
參考文獻(xiàn)
第4章 語(yǔ)音信號(hào)情感交互
4.1 聲音信號(hào)的處理機(jī)制
4.1.1 大腦皮層下聽(tīng)覺(jué)中樞
4.1.2 大腦皮層聽(tīng)覺(jué)中樞
4.2.1 應(yīng)用前景
4.2.2 面臨的主要困難
4.2.3 研究現(xiàn)狀
4.2.4 情感語(yǔ)音數(shù)據(jù)庫(kù)的建立
4.2.5 語(yǔ)音情感特征參數(shù)的提取
4.2.6 分類(lèi)器的設(shè)計(jì)
4.2.7 情感分類(lèi)器的融合
4.3 情感語(yǔ)音合成
4.3.1 語(yǔ)音合成及情感語(yǔ)音合成
4.3.2 基于韻律調(diào)節(jié)的情感語(yǔ)音合成
4.4 總結(jié)與展望
參考文獻(xiàn)
第5章 肢體行為情感交互
5.1 手勢(shì)情感識(shí)別
5.1.1 基于手套的手勢(shì)識(shí)別
5.1.2 基于視覺(jué)的手勢(shì)識(shí)別
5.2 身體姿勢(shì)情感識(shí)別
5.2.1 身體姿勢(shì)數(shù)據(jù)庫(kù)
5.2.2 身體姿勢(shì)特征提取
5.2.3 身體姿勢(shì)識(shí)別方法
5.3 身體姿勢(shì)情感表達(dá)
5.4 總結(jié)與展望
參考文獻(xiàn)
第6章 生理信號(hào)情感識(shí)別
6.1 情感的生理機(jī)制
6.1.1 情感感知理論
6.1.2 大腦的情感中樞
6.1.3 與情感相關(guān)的內(nèi)分泌腺
6.1.4 與情感相關(guān)的神經(jīng)化學(xué)物質(zhì)
6.2 生理信號(hào)情感識(shí)別
6.2.1 生理信號(hào)情感識(shí)別的研究意義
6.2.2 相關(guān)生理信號(hào)的基礎(chǔ)知識(shí)
6.2.4 生理信號(hào)情感識(shí)別系統(tǒng)
6.3 應(yīng)用系統(tǒng)
6.3.1 輕便式心電儀
6.3.2 情感監(jiān)視手表
6.4 總結(jié)與展望
參考文獻(xiàn)
第7章 文本信息中的情感
7.1 基于詞語(yǔ)的處理技術(shù)
7.1.1 正向最大匹配分詞
7.1.2 反向最大匹配分詞
7.1.3 基于統(tǒng)計(jì)的詞網(wǎng)格分詞
7.2 基于數(shù)學(xué)統(tǒng)計(jì)的語(yǔ)言模型
7.2.1 隱馬爾可夫模型
7.2.2 最大熵模型
7.3 基于語(yǔ)言理解的處理方法
7.4 基于語(yǔ)料庫(kù)加工的處理方法
7.5 文本情感分析研究現(xiàn)狀
7.5.1 詞語(yǔ)的情感分析
7.5.2 句子的情感分析
7.5.3 篇章的情感分析
7.5.4 海量信息的整體傾向性預(yù)測(cè)
7.6 典型文本情感提取方法
7.6.1 基于關(guān)鍵詞定位的文本情感提取方法
7.6.2 基于詞匯關(guān)聯(lián)的文本情感提取方法
7.6.3 基于統(tǒng)計(jì)的機(jī)器學(xué)習(xí)文本情感提取方法
7.6.4 基于規(guī)則的文本情感提取方法
7.6.5 基于常識(shí)的文本情感提取方法
7.7 總結(jié)與展望
參考文獻(xiàn)
第8章 情感仿生代理
8.1 移情仿生代理
8.2 基于仿生代理的標(biāo)記語(yǔ)言
8.3 情感機(jī)器人
8.4 總結(jié)與展望
參考文獻(xiàn)