基于 EEG 与眼动信号的五类情绪分类：互补表征特性

基于摘要分析。该研究考察 EEG 与眼动信号在高兴、悲伤、恐惧、厌恶和中性五类情绪分类中的互补表征特性，比较单模态与两种模态融合方法，并分析不同情绪的神经模式及眼动特征的辨别能力。其主要贡献是将模态间的总体性能差异与类别层面的识别优势结合起来，研究双模态融合的价值。 方法方面，摘要明确提到以双模态深度自编码器进行融合，但未说明另一种融合方法、输入特征、自编码器结构、损失函数或训练流程，相关细节尚未验证。作者报告，EEG 对高兴、悲伤和厌恶的分类优于眼动，而眼动对恐惧和中性的识别优于 EEG，表明两种信号的优势并非均匀分布于所有类别。 结果方面，在摘要所述五类情绪分类任务中，作者报告 EEG 与眼动的平均 Accuracy 分别为 69.50% 和 59.81%，双模态深度自编码器融合的 Accuracy 为 79.71%。摘要未提供数据集、被试数量、数据划分及被试内或跨被试等评估协议，因此这些数值只能作为文内报告，不能直接与其他研究比较。作者将融合提升描述为显著，但统计检验方法及其依据尚未验证。 作者还报告，五种情绪具有可区分的神经模式，且瞳孔直径相较其他眼动特征具有较高辨别能力；具体空间或频谱模式、特征定义与统计证据尚未验证。复现时需核对 EEG 与眼动的采集及同步方式、预处理、特征构建、训练与测试划分、融合对照和评价汇总方式。实验协议、消融及统计信息尚未验证；摘要中的情绪识别结果也不能直接视为在线 BCI 有效性的证据。