CSTO-Net：用于 EEG 情感识别的跨视图频谱传输与拓扑算子网络

基于摘要分析。CSTO-Net 针对多视图 EEG 情感识别中不同连接视图的频谱对应及图传播算子交互问题，将最优传输与顺序敏感的拓扑算子组合结合，用于建模幅度连接和相位连接之间的互补关系。 方法整合三个逐窗口视图：以动态微分熵（DDE）作为节点属性，构建幅度包络 Pearson 相关系数（PCC）图及相位锁定值（PLV）图。Cross-View Spectral Transport Routing（CSTR）将 PCC 与 PLV 的频谱对应表述为具有显式边缘约束的熵正则化最优传输问题，并将对应关系估计与频带重要性估计分离。Directional Cross-Topology Modulation（DCTM）在共享节点特征上对两个经路由的传播算子进行有序复合；作者称其通过具有可证明反对称性的图算子交换子及带符号分解，编码传播顺序引起的差异。其方法重点不只是融合连接图，还在于显式刻画视图对应和算子作用顺序。 作者报告，在 DEAP 上，被试内设置下效价和唤醒度 Accuracy 分别为 93.95 ± 2.50% 和 94.97 ± 2.72%；在覆盖 32 名参与者、按参与者划分的五折跨被试交叉验证下，分别为 93.73% 和 94.54%。在 SEED 上，作者报告标准被试内划分的 Accuracy 为 93.12%，覆盖 15 名参与者的 15 折留一被试评估为 91.36%，被试内五折交叉验证为 98.05 ± 2.32%。这些结果对应不同评估协议，不宜直接比较；摘要未说明“±”的统计含义。 作者报告消融支持 CSTR 和 DCTM 均有贡献，但摘要未提供具体增益或对照数值。复现时需核对窗口生成与数据划分的先后关系、图构建和频谱表示、最优传输约束与求解设置、算子归一化及带符号分解实现。具体实验协议、消融配置、统计检验及代码可用性尚未验证；仅凭摘要不能判断其相对其他方法的优势及可解释性结论是否充分成立。