利用模糊情绪层次共享空间进行群体情绪识别

基于摘要分析。本文研究共享场景中多人的群体情绪识别（GER），提出 Fuzzy Emotional Hierarchical Shared Space（FEHSS），旨在缓解硬标签投票与静态融合对个体情绪模糊性及群体非线性交互刻画不足的问题。研究对象是场景中的群体情绪，摘要未提供 EEG 或其他神经信号实验依据。 方法为每个人分配覆盖各情绪类别的软隶属向量，并通过三个子空间同时优化冲突抑制、倾向调节和共鸣增强，再由层次强化优化器动态更新融合规则。其机制特点是保留个体情绪的不确定性，并让群体融合规则随交互调整，而不是仅对离散预测进行固定聚合。各子空间的数学定义、损失函数、优化器状态与奖励设计尚未验证。 作者报告，在 GroupEmoW、GAD 2.0 和 EMOTIC-7 上开展评估，其中 GroupEmoW 的 Accuracy 为 91.77%；在七类情绪的 EMOTIC-7 实验中，top-1 Accuracy 为 74.3%，macro-F1 为 71.8%。作者声称取得新的最优结果，并在另外两个基准上持续优于既有方法；但摘要未给出数据划分、具体对照基线及差值，因此不能据此比较不同协议下的表现。 作者报告，消融支持三个子空间的互补作用及动态参数调节的必要性，定性可视化展示了对矛盾线索与细微共享情绪的处理。实验协议、消融细节、统计信息及复现条件尚未验证。该摘要支持讨论模糊表示与动态群体融合机制，但不足以确立其向 EEG/BCI 迁移的具体路径；已有 EEG 相关工作尚未检索确认。