Ibrain | Tabriz大学研究：基于脑电图与机器学习模型实现五类情绪识别

背景：情绪对人类行为有重要影响，情绪障碍可能是精神疾病的主要诱因，同时智能设备需要根据用户情绪状态自适应调整功能，因此基于脑电图（EEG）信号的情绪识别研究日益重要。研究目的：Tabriz大学Asl团队旨在通过EEG信号分析，构建能够自动识别放松、快乐、激励、悲伤和恐惧五种情绪的机器学习模型。结论：研究采集了23名健康男性研究生观看情绪诱发视频时的EEG数据，经过预处理、特征提取与选择后，使用八种机器学习算法进行分类。结果表明，集成学习模型和决策树模型表现最优，测试准确率分别达到95.38%和91.77%，为高精度、可解释的EEG情绪识别系统提供了实践基础，对情感计算及脑机接口发展具有积极意义。