情感计算作为一个新兴的国际前沿研究课题,越来越受到重视。生理信号作为一种能够识别人类情感的媒介,已经成为情感计算研究中一项重要的内容。皮肤电作为一种易于获取的基本生理信号,已被广泛应用于情感识别研究中。在被试的情感被视频诱发的状态下,皮肤电生理信号蕴含有能表征个体生理以及心理状态的很多重要信息,这在医学,心理学研究中都得到了证明。本论文主要是运用皮肤电生理信号对情感进行调节研究,该研究是基于皮肤电生理信号对情感识别研究的理论结果来进行的。在本研究中主要做了以下工作：首先运用GSR生理信号对被试进行情感状态的识别,再根据GSR生理信号的情感识别结果,结合Gross的情感调节理论,运用偏最小二乘法建立一个基本的情感调节策略模型,实现对计算机用户的实时情感调节。最后在此理论基础上建立了一款情感调节小助手软件,来实现情感调节研究的实际应用。在运用GSR生理信号对被试进行情感识别时,首先运用视频方式激发被试的情感,用生理信号采集仪采集被试的皮肤电(GSR)生理信号,再对该生理信号进行相关的特征提取。这些特征主要包括均值、标准差、一阶差分、二阶差分、最大值比率和最小值比率等30个数学量值。然后对这些特征值运用基本粒子群算法进行特征的选择,运用Fisher分类器进行特征的分类,最后识别出目标情感。该部分主要是运用智能算法对生理信号进行分析,通过实验和程序,得出了能够识别情感的部分特征值。这些特征组合能够较好的表征个体的情感状态,对下一步的情感调节提供了基础。在该部分情感识别中主要是结合以前国家自然科技基金项目的研究方法和研究成果来进行,运用智能识别方法进行了情感的识别。本文改变了以往仅仅从心理学或数学方面来单独对情感进行调节的情感调节方式,结合Gross的情感调节理论,偏最小二乘法的相关性原理,并把二者进行了较好的结合,建立了情感状态与两种情感调节方式之间的线性关系,能够针对某一类情感状态运用相应的认知重评或表达抑制调节方式进行用户情感的调节。建立的情感调节小助手能够实现人机交互环境下对个体进行实时的情感监测,对处于负面情感状态下的个体进行情感调节提示,能够在一定程度上防止负面情感的持续或者朝着更加不良的状态发展。