联合 EEG 特征迁移与半监督跨被试情绪识别

基于摘要分析。该研究针对 EEG 信号微弱、非平稳及个体差异导致的跨被试情绪识别困难，提出联合 EEG 特征迁移与半监督识别模型，将共享子空间投影矩阵与目标域标签联合优化，以耦合分布对齐和标签估计过程。 核心机制：作者指出，既有方法往往先学习域不变特征，再估计目标域标签；作者认为，这种两阶段策略割裂了两个过程的内在联系，可能产生次优解。本文以联合优化替代顺序学习，但摘要未提供具体目标函数、约束、优化算法或半监督标签使用方式，这些细节尚未验证。 实验与结果：作者报告在 SEED-IV 和 SEED 上开展跨被试情绪识别实验，联合学习模式显著提升了识别性能。摘要未给出具体指标、数值、对照方法、被试划分或目标域标注比例，因此不能量化提升幅度，也不能判断不同协议下的可比性。作者还报告，通过分析学习到的共享子空间，定量识别了跨被试情绪表达中关键 EEG 频段与脑区的空间—频率激活模式；其提取方式、统计依据与稳定性尚未验证，不能据此推断因果性神经机制。 复现时需核对特征提取与预处理、跨被试划分、目标域已标注和未标注样本的使用边界，以及联合优化相对两阶段方法的对照设置。实验协议、消融及统计信息尚未验证。现有材料支持其作为 EEG 情绪识别域适应方法的研究价值，但尚不能据此断言可推广至其他 EEG 任务或实际 BCI 应用。