导读:本文包含了基本情感论文开题报告文献综述及选题提纲参考文献，主要关键词:古典诗词,准确把握
基本情感论文文献综述
赵海峰[1]（2017）在《如何引导学生准确把握古典诗词表达的基本情感》一文中研究指出笔者任教于农村一所普通中学,学校生源状况很一般。许多学生的语文底子薄弱,面对古典诗词欣赏,大多感到深奥难懂,在理解把握作品情感时,经常出现一知半解或无言以对的尴尬情况。对此,笔者做了一番探究。一、熟悉并学会运用概括情感的基本词语相对基础薄弱的学生,有一些学生对一些作品思想内容和情感是有所认识和体会的,但在表达时找不到合适的词语,处于"只可意会不可言传"的状态。因此,在平时上课过程中,教师要和学生一起整理(本文来源于《现代语文(教学研究版)》期刊2017年03期）
程静[2]（2015）在《基本情感生理信号的非线性特征提取研究》一文中研究指出情感识别是情感计算中最为基础与核心问题之一。与面部表情、语音等外显生理指标相比,生理信号能够更加真实、客观的反应用户内心的体验,因此基于生理信号的情感识别受到研究者的广泛关注。以往基于生理信号的情感识别主要是基于生理信号在时域或频域上的统计特征,很少关注生理信号的非线性特性。为了进一步扩展前人的研究工作,本文主要考察了以生理信号的非线性特征为基础的情感识别任务。本人所开展的研究工作以及主要结论有：(1)针对获取情感生理信号较为困难的问题,采用了“回忆”的实验范式来诱发被试的情感,并采用BIOPAC MP150采集被试的皮肤电(GSR)和心率(HR)两路生理信号。该范式的特点是,通过“回忆”的方法采集被试对目标情感诱发效果的评价,获得被试对目标情感诱发与否以及诱发强度的内在情绪体验。通过e该实验采集了200人次的生理信号,最终提取的有效数据为：高兴96个,悲伤87个,愤怒36个,恐惧59个。(2)为了能够提取皮肤电和心率的非线性特征,首先需要确定这两路生理信号具有非线性特性。本文采用替代数据法生成各类情感生理信号时间序列的替代数据,采用时间反转不可逆量T1和高阶自相关函数T2作为统计检验的特征项,检验原始数据和替代数据是否差异显着。结果显示四种情感的GSR和HR信号均差异显着。由此证明皮肤电和心率信号具有非线性特性。(3)针对具有非线性特性的皮肤电和心率信号,采用多种非线性数据值分析方法提取情感生理信号的非线性特征。这些数据分析方法和提取特征分别是：相空间重构,采用C-C方法计算嵌入维和延迟时间,采用Wolf方法计算最大Lyapunov指数,采用GP算法计算关联维,采用改进的Lempel-Ziv复杂度计算方法计算一阶和二阶Lempel-Ziv复杂度,计算一阶和二阶近似熵,采用移动平均算法计算多重分形谱以及相应的谱特征,采用递归定量分析计算一系列关于递归图的特征,计算心率的庞加莱图以及相应的图特征。最后采用主成份分析(PCA)对以上提取的45组非线性特征进行了降维处理,最后得到10个主要特征用于后期分类。(4)针对最初采集的数据集不均衡的问题(高兴96个,悲伤87个,愤怒36个,恐惧59个),在经典模糊支持向量机FSVM的基础上,提出了针对非平衡数据集的模糊支持向量机的算法-——IBFSVM。该算法主要是将代价敏感的思想融入到隶属度函数的设计中,从而有效提高少数类的分类精度。通过在3个人工数据集和6个UCI数据集上的运行,比较了经典的SVM算法(C_SVM)、传统的模糊支持向量机(FSVM)和基于非平衡数据集的IBFSVM,结果显示在正负类样本相差不大的情况,IBFSVM的性能与C_SVM和FSVM相差不大,随着正负类不平衡比逐渐增加,IBFSVM算法的优越性逐渐体现出来。在不平衡比为为39.55的Abanole数据集,IBFSVM在少数类的识别率为78.25%,而C_SVM和FSVM分别为5.16%和5.79%。可见在少数类和多数类样本数量差异较大的情况下,IBFSVM能显着提高少数类的分类性能,从而提高数据集的整体分类性能。采用IBFSVM对四种情感进行分类,分别得至(?)g-mean值为：高兴97.33%,悲伤94.18%,恐惧87.9%,愤怒83.51%。(5)以IBFSVM算法为基础,比较传统的统计特征和非线性特征在识别性能上的差异。结果显示非线性特征获得了更好的识别精度。在高兴情绪的识别率上,统计特征是80%,非线性特征是97.33%；在悲伤情绪的识别率上,统计特征是77.41%,非线性特征是94.18%；在愤怒情绪的识别上,统计特征是78.76%,非线性特征是83.51%；在恐惧情绪的识别上,统计特征是80.1%,非线性特征是87.9%。(本文来源于《西南大学》期刊2015-04-10）
马承泽,鞠婷婷[3]（2014）在《基于基本情感特征的汉语语音识别方法的研究》一文中研究指出由于计算机技术的飞速发展,人们对人机交互系统的要求不断提高,希望计算机能更加智能化、人性化,情感的信息处理已经成为提高人机交互能力的一个主要课题。本文主要研究了如何利用相关算法及汉明窗正确地区分悲伤、愤怒、平静、高兴这四种基本情感。(本文来源于《长春大学学报》期刊2014年08期）
袁红梅[4]（2013）在《浅析英汉基本情感概念中的事件结构隐喻》一文中研究指出Lakoff(1993)指出,事件结构隐喻是一种普遍存在的、基本性的隐喻。本文基于BNC和CCL语料库,对英汉"喜悦、愤怒、悲伤和恐惧"四种基本情感概念中的事件结构隐喻进行了考察分析。研究发现,事件结构隐喻的位置和物体隐喻系统在上述四种基本情感中均有所体现,即情感既可以被概念化成某一空间位置,也可以被隐喻为具有"大小、数量、运动、被移动、所有"等属性的物体。本文从情感领域为事件结构隐喻的普遍性提供实证依据。(本文来源于《现代语文(语言研究版)》期刊2013年10期）
李艳锋[5]（2013）在《“六步法”把握诗歌基本情感》一文中研究指出诗歌阅读考点一直是我们高考备考的难点之一,学生往往喜爱诗歌,但却对诗歌基本情感的把握十分头疼,做起诗歌阅读题来大多左右彷徨,很多时候出现错误。这种情况往往是与诗歌自身的特点有关,尤其是一些经典诗歌,更是融合了时代印记、身世痕迹和个性胎记,展现出十足的自我特征,同时又与学生不得其法,无法快速把握诗歌基本情感有很大的关系。结合多(本文来源于《中学语文》期刊2013年03期）
王淑身[6]（2012）在《眷恋乡村里的“人性” 鄙弃都市中的“人生”——浅论沈从文作品的基本情感倾向》一文中研究指出在中国现代文学史上,记录着一个"乡下人"的身影,他的名字叫沈从文。沈从文勤于练习各种笔法,使其创作的文体呈现出多种风采。这给读者把握其作品中的基本情感倾向造成了一定的困难。但细读其作品,我们不难发现他的诸多反映"湘西"和"都市"人性的作品中,流露出这样一种基本的情感倾向对乡土生活他的回忆是(本文来源于《学周刊》期刊2012年13期）
贾佳蕾[7]（2012）在《基于概念隐喻理论的英汉语基本情感隐喻对比研究》一文中研究指出长期以来，隐喻仅仅被看作是一种普通的修辞手段，一种语言现象。随着各个领域的研究者对隐喻进行反思，隐喻获得了新生。Lakoff和Johnson的具有开创性意义的着作《我们赖以生存的隐喻》标志着认知隐喻理论的开端。这两位学者认为隐喻普遍存在于人的语言和思维中,其本质是人类用来了解周围世界的概念工具，是一种认知现象（Lakoff&Johnson1980:5）。概念隐喻是认知语言学的一个重要概念，它是人类用一个具体的概念域来说明或理解另一个相对抽象的概念域的认知活动。人的情感和认知是相互作用，相互影响的，对人类情感的研究构成了探索人类认知的基本内容之一。情感是丰富而抽象的，为了便于表达和理解这些情感，人们经常将它们隐喻化，即采用人类熟悉的、具体的思想或概念去理解和表达复杂的、抽象的概念。心理学家认为人类的某些情感往往比其他情感更加基本、更加典型，保罗·埃克曼对情感的观点在心理学界非常的盛行，并且与演化思想相容。他认为基本情感是那些与面部表情相关联的情感，包括愤怒、厌恶、恐惧、喜乐、悲伤和惊讶(Ekman1982:39-55)。本文从认知语言学角度出发对英汉两种语言的喜、怒、哀、惧四种基本情感隐喻表达式进行对比研究，重点研究它们在两种语言中隐喻式表达的异同，找出操英汉两种语言的人经验和文化的异同对两种语言构建四种情感隐喻表达方式的影响。通过比较发现，英、汉语关于喜、怒、哀、惧四种情感的概念隐喻的使用，呈现出很大程度的相似性，与此同时，两者间的差异也是不容忽视的。相似性是因为英、汉隐喻源于相同的身体经验和物质经验，具有共同的认知和生理基础；差异性归因于不同的文化背景和价值观的影响。本文试图通过地理、文化价值观、传统中医理论来阐释这种文化差异。(本文来源于《吉林大学》期刊2012-05-01）
刘欣[8]（2011）在《英汉基本情感隐喻的对比分析》一文中研究指出在大量实例的列举和分析的基础上,将人类的基本情感作为研究对象,对英汉两种语言中表达喜悦、愤怒、哀伤、恐惧等情感隐喻在共性和个性方面进行了对比和阐述。结论表明,英汉情感隐喻所具有的相同性是基于人类思维的共性,其相异性主要跟文明起源、语言文字、认知思维方式以及文化传统相关。(本文来源于《新余学院学报》期刊2011年05期）
赵明[9]（2009）在《英汉基本情感隐喻概念对比》一文中研究指出情感是人类经验的重要组成部分,人的抽象情感在很大程度上是通过建立在人体感知基础之上的隐喻来表达的。人类共同的身体结构及生理特征,使得不同文化背景下的人们对情感隐喻有类似的表达;同时隐喻是以社会文化为基础的,中英文化的巨大差异又导致了其情感隐喻的不同。(本文来源于《湖南文理学院学报(社会科学版)》期刊2009年06期）
宋硕[10]（2008）在《中国学龄前儿童（3～5岁）基本情感隐喻理解研究》一文中研究指出认知语言学认为隐喻不仅是一种文学创作中的修辞现象,更是一种思维方式,在人们对世界的认知过程中发挥着非常重要的作用。基本情感作为人类经验的重要组成部分,是最普遍的现象之一。人们对基本情感的认知主要是通过概念隐喻实现的。因此基本情感概念隐喻已成为一项重要的研究课题。然而,目前国内外对这一领域的研究主要局限于成人,而对学龄前儿童基本情感隐喻性理解的研究并不存在。本文根据Lakoff的概念隐喻理论,通过调查中国学龄前儿童对以(自然现象,颜色,脸色,身体状态,方向)作为源域的基本情感隐喻的理解能力,考察年龄,源域,语境信息对于隐喻理解的影响。从而揭示中国学龄前儿童基本情感隐喻能力的发展特点。此外,本文从身体经验和语境信息两个角度对中国学龄前儿童的隐喻理解能力进行了分析,从而在一定程度上支持了Lakoff的概念隐喻理论,并且为基本情感隐喻认知现象的普遍性提供了佐证。(本文来源于《吉林大学》期刊2008-04-01）
基本情感论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
情感识别是情感计算中最为基础与核心问题之一。与面部表情、语音等外显生理指标相比,生理信号能够更加真实、客观的反应用户内心的体验,因此基于生理信号的情感识别受到研究者的广泛关注。以往基于生理信号的情感识别主要是基于生理信号在时域或频域上的统计特征,很少关注生理信号的非线性特性。为了进一步扩展前人的研究工作,本文主要考察了以生理信号的非线性特征为基础的情感识别任务。本人所开展的研究工作以及主要结论有：(1)针对获取情感生理信号较为困难的问题,采用了“回忆”的实验范式来诱发被试的情感,并采用BIOPAC MP150采集被试的皮肤电(GSR)和心率(HR)两路生理信号。该范式的特点是,通过“回忆”的方法采集被试对目标情感诱发效果的评价,获得被试对目标情感诱发与否以及诱发强度的内在情绪体验。通过e该实验采集了200人次的生理信号,最终提取的有效数据为：高兴96个,悲伤87个,愤怒36个,恐惧59个。(2)为了能够提取皮肤电和心率的非线性特征,首先需要确定这两路生理信号具有非线性特性。本文采用替代数据法生成各类情感生理信号时间序列的替代数据,采用时间反转不可逆量T1和高阶自相关函数T2作为统计检验的特征项,检验原始数据和替代数据是否差异显着。结果显示四种情感的GSR和HR信号均差异显着。由此证明皮肤电和心率信号具有非线性特性。(3)针对具有非线性特性的皮肤电和心率信号,采用多种非线性数据值分析方法提取情感生理信号的非线性特征。这些数据分析方法和提取特征分别是：相空间重构,采用C-C方法计算嵌入维和延迟时间,采用Wolf方法计算最大Lyapunov指数,采用GP算法计算关联维,采用改进的Lempel-Ziv复杂度计算方法计算一阶和二阶Lempel-Ziv复杂度,计算一阶和二阶近似熵,采用移动平均算法计算多重分形谱以及相应的谱特征,采用递归定量分析计算一系列关于递归图的特征,计算心率的庞加莱图以及相应的图特征。最后采用主成份分析(PCA)对以上提取的45组非线性特征进行了降维处理,最后得到10个主要特征用于后期分类。(4)针对最初采集的数据集不均衡的问题(高兴96个,悲伤87个,愤怒36个,恐惧59个),在经典模糊支持向量机FSVM的基础上,提出了针对非平衡数据集的模糊支持向量机的算法-——IBFSVM。该算法主要是将代价敏感的思想融入到隶属度函数的设计中,从而有效提高少数类的分类精度。通过在3个人工数据集和6个UCI数据集上的运行,比较了经典的SVM算法(C_SVM)、传统的模糊支持向量机(FSVM)和基于非平衡数据集的IBFSVM,结果显示在正负类样本相差不大的情况,IBFSVM的性能与C_SVM和FSVM相差不大,随着正负类不平衡比逐渐增加,IBFSVM算法的优越性逐渐体现出来。在不平衡比为为39.55的Abanole数据集,IBFSVM在少数类的识别率为78.25%,而C_SVM和FSVM分别为5.16%和5.79%。可见在少数类和多数类样本数量差异较大的情况下,IBFSVM能显着提高少数类的分类性能,从而提高数据集的整体分类性能。采用IBFSVM对四种情感进行分类,分别得至(?)g-mean值为：高兴97.33%,悲伤94.18%,恐惧87.9%,愤怒83.51%。(5)以IBFSVM算法为基础,比较传统的统计特征和非线性特征在识别性能上的差异。结果显示非线性特征获得了更好的识别精度。在高兴情绪的识别率上,统计特征是80%,非线性特征是97.33%；在悲伤情绪的识别率上,统计特征是77.41%,非线性特征是94.18%；在愤怒情绪的识别上,统计特征是78.76%,非线性特征是83.51%；在恐惧情绪的识别上,统计特征是80.1%,非线性特征是87.9%。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
基本情感论文参考文献
[1].赵海峰.如何引导学生准确把握古典诗词表达的基本情感[J].现代语文(教学研究版).2017
[2].程静.基本情感生理信号的非线性特征提取研究[D].西南大学.2015
[3].马承泽,鞠婷婷.基于基本情感特征的汉语语音识别方法的研究[J].长春大学学报.2014
[4].袁红梅.浅析英汉基本情感概念中的事件结构隐喻[J].现代语文(语言研究版).2013
[5].李艳锋.“六步法”把握诗歌基本情感[J].中学语文.2013
[6].王淑身.眷恋乡村里的“人性”鄙弃都市中的“人生”——浅论沈从文作品的基本情感倾向[J].学周刊.2012
[7].贾佳蕾.基于概念隐喻理论的英汉语基本情感隐喻对比研究[D].吉林大学.2012
[8].刘欣.英汉基本情感隐喻的对比分析[J].新余学院学报.2011
[9].赵明.英汉基本情感隐喻概念对比[J].湖南文理学院学报(社会科学版).2009
[10].宋硕.中国学龄前儿童（3～5岁）基本情感隐喻理解研究[D].吉林大学.2008