《远程教育中情感计算技术》较为全面地介绍了人工情感技术在远程教育中的应用。《远程教育中情感计算技术》首先提出了远程教育中情感缺失问题，对情感计算理论及常用建模方法进行了介绍；接着介绍学习者特征提取及表情识别常用的人脸检测及表情识别方法，实现了学习者情感特征提取及情绪建模，完成了情感交互系统中的情绪反应，最后总结作者所在课题组的研究成果，给出了具有情感交互特性的E－Learning系统的设计与实现流程实例，实现了人工心理与数字人技术的具体行业应用。《远程教育中情感计算技术》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工作者阅读，也可以作为高等院校相关专业学生的教学参考书。
编辑推荐
《远程教育中情感计算技术》为人工心理与数字人技术丛书之一。 目录
前言
第1章 远程教育及情感计算
1.1 远程教育技术的发展历程
1.1.1 远程教育的概念
1.1.2 国内外远程教育的研究现状
1.1.3 现代远程教育的发展和研究趋势
1.2 现代远程教育中的情感技术问题
1.2.1 远程教育中的情感缺失问题和人工情感研究
1.2.2 远程教育情感识别系统的研究意义
1.3 相关学术资源
1.3.1 已有的研究成果
1.3.2 相关的国际会议
1.4 本书的组织结构
参考文献
第2章 情感模型及建模方法
2.1 情感计算的研究现状
2.1.1 情感计算
2.1.2 感性工学
2.1.3 人工心理理论
2.2 情绪心理学的僚本概念
2.2.1 情绪的定义
2.2.2 基本情绪论和维度论
2.2.3 情绪的作用
2.2.4 情绪与认知
2.3 情感模型
2.3.1 心理学中对情绪量化的思考
2.3.2 0CC模型
2.3.3 SaltPepper模型
2.3.4 EM模型
2.3.5 隐马尔可夫模型
2.3.6 基于欧几里得空间的情感建模方法
2.4 小结
参考文献
第3章 学习者特征提取及表情识别
3.1 人脸检测技术综述
3.1.1 基于先验知识的人脸检测方法
3.1.2 基于色彩转换空间的人脸检测方法
3.1.3 基于外观的人脸检测方法
3.1.4 基于积分图的人脸检测方法
3.1.5 基于模板匹配的人脸检测方法
3.2 人脸特征提取技术综述
3.2.1 几何特征提取
3.2.2 统计特征提取
3.2.3 频率域特征提取
3.3 人脸特征提取应用实例
3.3.1 E-Learning系统中的人脸检测流程设计
3.3.2 肤色区域分割模块处理
3.3.3 建立肤色模型
3.3.4 几何特征验证
3.3.5 单人脸快速检测算法
3.3.6 人脸检测BP网络确认模块
3.3.7 人脸特征识别方法
3.3.8 人脸表情特征提取
3.4 小结
参考文献
第4章 学习者情感特征提取及情绪建模
4.1 E-Learning系统中的学习情绪识别
4.1.1 基于表情识别的方法
4.1.2 基于生理感应信号的方法
4.1.3 基于认知评价的方法
4.1.4 多模态识别方法
4.2 基于维度情绪论的学习者情感模型研究
4.2.1 学习情绪的定义
4.2.2 学习状态的定义
4.2.3 学习情绪的表现形式
4.2.4 情感识别模式
4.3 基于OCC模型的学习情绪建模
4.3.1 学生情绪模型
4.3.2 学生动机模型
4.4 学生情感识别的DBN模型构建
4.4.1 DBN概述
4.4.2 DBN模型构建
4.4.3 DBN模型分析评估
4.5 基于情绪模式的学习者情感特征的提取
4.5.1 趋避度和专注度
4.5.2 人脸及眼帘的检测
4.5.3 基于人脸检测的趋避度模型
4.5.4 基于眼帘检测的专注度模型
4.6 情绪模型的定义和运算
4.6.1 情绪的定义
4.6.2 情绪运算相关理论
4.7 小结
附录曲线拟合仿真实验代码
参考文献
第5章 情感交互系统中的情绪反应
5.1 远程教育中学习情绪交互
5.2 虚拟教师的表情及个性化设计
5.3 基于模糊集合的情绪反应
5.3.1 在线时间评价值和学习内容评价值
5.3.2 学习者模糊情感综合评价
5.3.3 虚拟助理的情绪反应
5.3.4 基于模糊集合的情绪反应小结
5.4 支持向量机的虚拟助理情绪反应
5.4.1 支持向量机多类分类问题
5.4.2 支持向量机中情绪反应特征要素的提取
5.4.3 建立情绪反应分类模型的基本步骤
5.4.4 仿真实验和结果分析
5.4.5 基于模糊集合的方法和基于支持向量机的方法的比较
5.5 虚拟助理情绪反应的行为规则
5.6 小结
附录libsvm仿真实验代码
参考文献
第6章 具有情感交互特性的E-Learning系统实现
6.1 系统设计目标
6.2 多模态情感的设计
6.3 基于Agent的MASIES实现
6.3.1 MASIES框架结构
6.3.2 MASIES系统Agent功能模块说明
6.3.3 Agent功能流程说明
6.4 基于移动Agent的E_Learning系统框架
6.4 基于移动Agent的E_Learning系统框架
6.4.1 基于移动Agent.的E_Learning系统架构及功能设计
6.4.2 基于J2EE的RMI实现模式
6.4.3 移动Agent的迁移策略设计与实现
6.4.4 基于Aglet的多Agent系统
6.5 情感交互——Agent动画人物
6.5.1 Agent动画人物
6.5.2 Agent动画人物的实现
6.5.3 Agent动画显示模块
6.5.4 智能Agent助理的情绪
6.6 个性化教学助理设计
6.6.1 教学助理设计
6.6.2 学习者情绪特征的获取
6.6.3 教学助理形象和情绪反应设计
6.7 Agent助理及其情绪反应在系统中的表现
6.7.1 在同步视频教学阶段
6.7.2 在非同步教学阶段
6.8 研究工作总结
6.9 未来问题研究
参考文献 文摘
版权页：
插图：
众所周知，当今社会是一个知识空前繁荣的社会，信息以爆炸形式在递增。据联合国教科文组织的统计，人类近30年掌握的科学知识，占有史以来积累的科学知识总量的90％，人类的知识在19世纪是每50年增长一倍，20世纪初是每10年增长一倍，而近10年则是大约每3年增长一倍。在一篇研究报告中指出，人类已进入到一个终身学习的社会。对每个人来说，包括大学在内的学校教育完成以后，仍不能满足现实生活、工作的需要，仍然需要继续学习。这种学习不完全局限于学校的范围之内，在学校之外通过家庭、。社会、工作岗位以及生活的各方面的体验，都是学习，都是获得知识的途径。学习将成为伴随人的一生的不间断的活动，成为发展的基础。因此，终身学习和终身教育的概念被越来越多的人所接受，迅速增长的学习需求与匮乏的教育资源之间的矛盾日益尖锐，单靠传统的教育机构是不可能满足如此巨大的学习需求的。这就要求家庭、社会、教育部门以及非教育部门都要能提供学习机会，并参与教育活动，也就是要构建一个学习化的社会，使人们能够在任何时刻都能自由地进行学习。但是，传统的教育受时间、空间以及人力、物力的限制，难以达到学习化社会的要求，而现代远程教育正提供了这样的好机会。
现代远程教育环境下的教育对象也扩大了，网络远程教育的资源是开放的，并不局限于年轻的在校者，社会上不同层次、不同年龄的人都可以进行学习。在国外，在计算机网上学习大学课程或完成本科学业已不是什么新鲜事，美国俄亥俄州立大学率先在计算机网上开设了商业管理研究生课程。接着，密苏里州立大学也在计算机网上新设了科技硕士班，就读的多为已过了读研究生的黄金年龄的在职管理人员，他们随时可以打开计算机学习，不必亲自去学校读书，也不必担心漏课，大学图书馆和实验室都将通过网络“送”至学员单位或家中；如果毕业时考试合格，即被授予硕士学位。
| ISBN | 9787111337461,711133 |
|---|---|
| 出版社 | 机械工业出版社 |
| 作者 | 解迎刚 |
| 尺寸 | 16 |