CWEFS：受脑容积传导效应启发的面向多维情绪识别的逐通道 EEG 特征选择

基于摘要分析。该研究针对多通道 EEG 情绪识别中高维特征的冗余与无关信息，提出逐通道特征选择方法 CWEFS，将跨通道共享潜在结构、多维情绪标签关联和自适应通道权重纳入特征选择。其主要研究对象是多维 EEG 情绪识别，摘要未报告在线 BCI 验证。 核心机制：作者以脑容积传导效应为启发，通过共享潜在结构模型构建不同 EEG 通道之间的共识潜在空间，并将该空间与多维情绪标签的潜在语义分析结合，以保留局部几何结构；同时学习自适应通道权重，确定各通道对情绪特征选择的相对重要性。摘要未给出目标函数、约束、优化过程或特征筛选规则，这些实现细节尚未验证。 创新与对照：作者认为，既有 EEG 特征选择研究未充分考虑潜在特征结构与情绪标签相关性的关系，并假定不同通道具有相同重要性。CWEFS 的方法价值在于联合建模这些因素；但容积传导启发如何落实为数学约束，以及各模块的独立贡献，需查阅正文与消融实验。 结果与证据范围：作者报告，在三个具有多维情绪标签的 EEG 数据集上，与十九种特征选择方法比较，CWEFS 所选特征子集在六项评估指标上获得最优情绪识别表现。摘要未提供数据集名称、被试数量、划分方式、分类器、指标名称或具体数值，因此尚不能判断该优势适用于被试内、跨被试还是跨会话协议，也不能量化提升幅度。 复现需核对特征提取流程、标签表示、通道权重学习方式、超参数与特征数量设置，以及特征选择是否仅在训练划分内完成。实时性是研究动机之一，但摘要未提供运行时间证据；实验协议、消融及统计信息尚未验证。