基于 EEG 的情绪识别研究进展：综述

基于摘要分析。本文综述基于 EEG 的情绪识别研究，从时间、频率与空间特征及跨域特征融合出发，讨论单模态过拟合问题，并进一步延伸至多模态条件下的异构模态建模。其主要贡献是梳理特征选择、样本稀缺、跨被试情绪迁移、生理知识发现、多模态融合与模态缺失等研究议题，而非提出或验证一种新的识别算法。 技术脉络上，摘要将 EEG 特征表示与融合、单模态学习的泛化挑战，以及多模态信息整合联系起来。“跨域特征融合”的具体域定义、融合机制和方法分类尚未验证，不能据此认定其采用特定域适应算法。跨被试情绪迁移与样本稀缺直接涉及不同个体之间的泛化及有限数据下的学习；多模态部分则关注异构信息建模和模态缺失，但摘要未提供具体模态组合、训练策略或缺失条件。 摘要将抑郁症等疾病的客观评估列为应用背景，但未提供临床验证结果，不能据此确认诊断效能或形成临床建议。所给材料也未提供综述检索范围、文献纳入标准、数据集、被试规模、评估划分或定量比较结果；实验协议、消融及统计信息尚未验证。阅读全文时可重点核对其如何区分被试内与跨被试证据，以及多模态融合结论在不同数据条件下的适用范围。