用于 EEG 情绪分类的连续标签标注

基于摘要分析。本研究针对 EEG 情绪分类中“同一刺激材料对应的全部 EEG 样本被赋予同一离散标签”的常见做法，提出支持逐样本连续标注的系统，并构建连续标注的 EEG 情绪数据集，旨在更细致地描述刺激期间的情绪变化。 核心动机是：情绪随时间变化，按刺激统一赋标签可能产生不精确标注，进而影响监督分类。作者为每个样本赋予独立标签，但摘要未说明标签描述的情绪维度、获取方式、标注频率，以及与 EEG 的时间对齐和延迟处理；因此，不能将“连续标签”直接理解为特定的连续数值量表，也无法确认其监督信号可靠性。 作者报告，在自建连续标注数据集上，通过若干分类模型的实验展示了连续标注相对于离散标注的优势。摘要未提供模型名称、指标、分数、被试数量或被试内／跨被试等划分协议，优势幅度及其适用范围尚未验证。 作者进一步利用连续标签，在自建数据集和一个公开数据集中分析诱发与非诱发情绪下的 EEG 特征，并报告 EEG 特征与连续标签之间的关系具有可学习性和泛化性。公开数据集名称、两类情绪的操作性定义，以及泛化评估是否涉及跨被试或跨数据集，均未在摘要中明确。 复现需核对标注系统与数据是否可获得、连续标签如何用于分类、两种标签方案的对照是否使用一致的样本和划分，以及相邻时间样本的处理方式。实验协议、消融及统计信息尚未验证；当前材料支持其标注方法研究价值，但不足以确认具体模型性能或实际 aBCI 应用效果。