人工情感

丛书序言

前言

第1章 人类情绪

1.1 情绪心理学

1.1.1 基本概念

1.1.2 情绪、情感与感情的区别与联系

1.1.3 情绪的主要成分

1.1.4 情绪的维度与极性

1.1.5 情绪的功能

1.1.6 情绪理论

1.1.7 当代情绪发展理论

1.2 脑科学在情感计算中的作用

1.2.1 情感计算研究

1.2.2 情感计算中的人脸和表情识别研究

1.2.3 脑科学研究现状

1.2.4 情绪及表情识别的ERP研究

1.2.5 脑科学研究与情感计算的关系

1.3 情绪生理学

1.3.1 情绪与行为

1.3.2 产生情绪的大脑机构

1.3.3 情绪生理学理论

1.3.4 情绪的生理指标

1.4 情绪社会学

1.4.1 美感的定义

1.4.2 美感的层次性

1.4.3 社会实践的主体——人的美

1.5 色彩与心理

1.5.1 色彩学的起源及基本原理

1.5.2 色彩模式

1.5.3 色彩与心理

1.5.4 色彩心理模型

1.5.5 色彩心理与服饰衣着

思考题

参考文献

第2章 情绪的空间描述及维度化理论

2.1 概述

2.2 情绪的维度空间描述

2.2.1 情绪的一维表示

2.2.2 情绪的二维表示

2.2.3 情绪的三维表示

2.2.4 情绪的多维表示

2.3 几种典型的情绪空间描述

2.3.1 Plutchk的锥形

2.3.2 Plutchik情绪圆环

2.3.3 Russeli的情感圆环模型

2.3.4 Larsen和Dienei’八方向模型

2.3.5 情绪的方锥空间

2.4 情绪熵

2.5 情绪的非线性表示

2.6 人类情感的数学模型

2.6.1 JuanD.Velasquez的情感综合产生器模型

2.6.2 AaronSlorharj的CogAff模型

2.6.3 Kismet的情感模型

2.6.4 OCC情感模型

2.6.5 Salt和Pepper模型

2.6.6 Oz-Tok体系

2.6.7 ClarkElliott的情感推理机

2.6.8 wE4R的情感模型

2.6.9 EM模型

思考题

参考文献

第3章 人类情感的数学模型

3.1 用数学方法描述情绪的重要性

3.2 基于欧氏空间的人工情感数学模型

3.2.1 情感空间

3.2.2 情感熵

3.2.3 情感概率转移矩阵的构造

3.2.4 仿真及其分析

3.3 基于马尔可夫链的情感计算建模方法

3.3.1 情感的基本概念

3.3.2 情感状态的概率空间

3.3.3 情感状态的变化过程

3.3.4 基于马尔可夫链的心情状态自发转移

3.3.5 情感能量

3.3.6 情感状态的分区

3.4 基于随机事件处理的情感建模方法

3.4.1 情感模型系统原理

3.4.2 仿真结果

3.5 基于自组织理论的人工心理建模

3.5.1 情感数学模型

3.5.2 仿真及分析

3.6 基于马尔可夫过程的情绪状态转移模型

3.6.1 模型构造

3.6.2 调查问卷

3.7 基于贝叶斯网络的情感虚拟人心理建模

3.7.1 情感信息处理

3.7.2 结合贝叶斯网络模型定义性格空间与情感空间

3.7.3 贝叶斯背景知识介绍

3.7.4 个性化、情感和情绪

思考题

参考文献

第4章 情感的数字化建模

4.1 基于HMM的人工心理模型

4.1.1 基于HMM的情感建模

4.1.2 情感模型驱动的情感交互虚拟人系统

4.2 基于灰色系统理论的情感建模

4.2.1 灰色建模

4.2.2 系统整体构成

4.2.3 情感模型的建立

4.2.4 机器实现

4.3 基于考虑个性和0cc模型的人工情感模型

4.3.1 二维情绪空间与反向情绪

4.3.2 情绪的表示

4.3.3 情绪的运算

4.3.4 面部表情与基本情绪的对应关系

4.3.5 三维情绪空间和反向情绪

4.3.6 个性和OCC模型的结合

4.3.7 个性的分类和特点

4.3.8 个性和OCC模型在三维情绪空间的实现

4.4 模糊情感识别模型

4.4.1 模糊数学的发展

4.4.2 模糊模式识别

4.4.3 模糊情感识别模型

4.4.4 实验结果及分析

4.5 基于马氏决策的情感计算模型

4.5.1 基于曲线拟合理论的情感建模

4.5.2 基于需求情绪动机的情感计算模型

4.5.3 情感模型在图书推荐系统中的应用

思考题

参考文献

第5章 情感数字化教学系统

5.1 现代远程教育系统的基本介绍

5.2 学习者情感监测及建模

5.3 情绪反应建模

思考题

参考文献

第6章 人脸识别系统

6.1 概述

6.2 人脸识别流程

6.3 人脸识别系统的构成

6.4 人脸识别系统的整体结构

6.5 基于Haar的人脸检测实现

6.5.1 Haai‘特征

6.5.2 积分图像

6.5.3 AdaBoost学习算法

6.5.4 基于Haar特征的人脸检测的程序实现

6.5.5 人脸检测效果

6.6 基于嵌入式隐马尔可夫模型（EHMM）的人脸识别算法

6.6.1 隐马尔可夫模型（HMM）算法

6.6.2 HMM的定义

6.6.3 HMM的三个基本问题

6.6.4 评价问题及其算法：前向一后向算法

6.6.5 解码问题及其算法：Viterbi算法

6.6.6 训练问题及其算法：Baum-Welch算法

6.6.7 EHMM介绍

6.6.8 用于人脸建模的EHMM方法

6.6.9 观察向量提取

6.6.1 0EHMM的训练和人脸识别

6.7 人脸识别实验结果

思考题

参考文献

第7章 面部表情识别系统

7.1 特征点定位方法研究

7.1.1 常用的特征点定位的算法

7.1.2 Canny-AAM特征点定位

7.1.3 实验与分析

7.2 基于SVM的表情识别分类研究

7.2.1 SVM分类器原理

7.2.2 SVM分类器在表情识别中的应用

7.3 表情识别系统应用研究

7.3.1 远程教育系统

7.3.2 疲劳驾驶检测系统

思考题

参考文献

第8章 网络游戏中的情感数字化

8.1 游戏中的情感模型

8.1.1 引言

8.1.2 游戏中的情感模型架构

8.1.3 模型设计

8.2 真实感三维人脸动态表情的表达方法

8.2.1 引言

8.2.2 系统框架

8.2.3 MPEG－4人脸动画的工作原理

8.2.4 虚拟人的年龄仿真研究

8.2.5 面部表情研究的应用

8.2.6 中医诊断教学系统

思考题

参考文献

第9章 情感机器人系统

9.1 情感机器人发展状况

9.2 情感机器人的机械设计及实现

9.2.1 情感机器人

9.2.2 机器人头部的设计要求

9.2.3 面部表情研究及实现方法

9.2.4 驱动方案的选择

9.2.5 情感机器人头部结构设计

9.3 情感机器人机电平台结构设计

9.3.1 机器人机电平台硬件控制电路

9.3.2 控制软件设计与实现

9.4 情感机器人心理模型应用研究

9.4.1 人工心理模型

9.4.2 人工心理模型的应用

9.4.3 机器人的情感与情感表达

思考题

参考文献

缩略语

《人工情感》较为全面地介绍了人工情感的基本概念、主要内容和应用领域，并对其研究方法和相关技术进行了讨论。首先对情绪心理学、情感计算等理论进行了介绍；接着叙述了情感的数量化模型的研究现状及最新进展；最后总结作者所在课题组研究成果的基础上，给出了人脸识别、表情识别、情感教学系统、情感机器人系统的设计与实现流程实例。
《人工情感》适宜从事计算机、自动化、电子信息、模式识别、智能科学、人机交互技术的科研人员阅读，也可以作为高等院校相关专业学生、研究生的教学参考书。