全文总字数：6301字

1. 研究目的与意义及国内外研究现状

在心理学中，情感被定义为人对客观事物所持有的态度体验，可以解释人的心理和生理反应^[1]。1997年美国mit媒体实验室picard教授提出并定义“情感计算(affective computing)”，即关于情感、情感产生及影响情感方面的计算^[2]，引起国内外学者的长期关注和研究。情感计算赋予了计算机识别、理解和感知人类情绪的能力，并通过处理人类行为数据帮助人调节情绪以便达到人机交互的目标。

本文主要涉及情感计算中基于生理信号的情感识别，能够有效避免人主观意识对情感的控制，在一定条件下可以真实客观的反应人的情感状态^[3]。它在娱乐、社会安全及人机交互领域都有着广泛的应用。picard带领的研究小组设计了一副“情感手套”，上课时学生的活跃程度被手套上的皮肤电反应传感器捕获，进而调节手套上的发光二极管，让教师随时掌握学生状态。随后研发可穿戴便携式传感器^[5]，让特殊病人(自闭症儿童及残疾人)佩戴手腕测试设备获取生理信号的情感状态，并将相关数据随时发给医生以便治疗，这项技术在不干扰病人生活的前提下使治疗达到最佳效果。ibm公司在情感识别领域研制了“情感鼠标”，通过测试使用者的体温，脉搏等方面的变化判断使用者情感变化。目前，“情感鼠标”被应用在远程教育学习终端饿，通过获取学生情绪变化，让虚拟教师调节学生情绪，提高教学质量。由此可见，基于生理信号的情感识别成果可以为未来社会提供很多服务。目前将移动端和情感识别相联系是情感计算一大热点，日本sgi研究院为手机终端设计了一款识别人类情感语音的应用，应用中有一朵花，花可以根据用户语音判断其情感，并通过花的颜色对人类情感进行反馈。这款软件应用手机中的麦克风，只需要收集语音数据，并将其通过无线网络传输到计算机上，且由计算机进行处理和分析，将结果对应的颜色反馈到花上即可。在医疗方面，利用智能手机内置的加速度传感，压力传感器等，对使用者某些特定的动作进行测量。例如清华大学研究的ucare系统，通过手机的加速度传感器，实时监控老人是否摔倒，如果摔倒就立刻自动拨打手机中的紧急联系人。

目前，情绪识别的方法有通过语音、面部识别等外在方式对行动者的情感进行识别。虽然上述方式能够有效的识别出用户的情感，但是当人们主动改变测量信号时，测试结果不再准确。并且情感状态与生理信号之间的关系还有待研究。

2. 研究的基本内容

本论文主要研究的是移动端用户情感和行为之间的关系。主要目标是，设计安卓app采集用户的行为数据，通过机器学习分类，判断用户情绪并预测用户行为。

（1）情绪分析及分类：是训练分类器的依据，决定能否正确预测用户行为的关键一步。工程界通常将情绪分为6类，即高兴、愤怒、厌恶、恐惧、悲伤和惊奇。但是本论文所采集的行为数据无法体现后4类情绪，且情绪会随时间逐渐趋向平和，所以本文将情绪分为高兴、愤怒、平和三类。

（2）设计安卓app收集并预测用户行为：在控制变量的前提下，设计一些简单操作，通过手机传感器收集用户行为数据，并将分类器内置于app中，通过机器学习分类判断用户情绪。

app的主要目标是通过手机传感器收集用户在操作收集时，压力、温度、速度、线性传感器的行为数据。主要功能是：设定图像出现的速度为均匀速度，part1屏幕出现随机独立的圆点，用户一旦点击到圆点，圆点就变换到另一个随机位置(圆点一共出现5次)；part2屏幕出现随机固定长度的直线，用户沿该直线绘图，随后直线变换到另一随机位置(直线一共出现5次)。在两个部分都结束后，收集上述四个传感器的数据。

3. 实施方案、进度安排及预期效果

一、实行方案：

从课题的选择到课题的完成，主要有四个阶段，以下是对四个阶段的实行方案的安排：

第一阶段：根据所学知识与指导老师交流，确定选题范围，查阅与搜集相关参考资料，通过阅读分析相关文献，了解情感分类，移动用户行为，情感信号对用户行为的影响和机器学习分类算法。

第二阶段：设计与实现手机app。根据所学习到的机器学习分类算法选择一种合适的算法内置于app中，依功能进行app设计，得出用户情绪和用户行为之间的关系。将app的功能放入一款传统的e-learning系统，并为其设计一个虚拟教师，根据分类器所反馈的用户情绪，完成相应激励的动作。

4. 参考文献

[1] ortony a, clore g, collins a. the cognitive structure of emotions[m]. london: cambridge university press, 1998.

[2] picard r w. affective computing[m]. mit press, london, england,1997.

[3] 谢晶,方平. 情绪测量方法的研究进展[j]. 心理学, 2011, 34(2):488-493.

[4] 袁海云. 基于脑电信号的情绪分类研究[d]. 江苏: 南京师范大学.2014-03.