大脑是人类器官中最为复杂的一部分,它蕴含着人体丰富的生理和心理信息。人体生理和心理的变化都会在大脑中有所体现。目前脑研究领域已经成为一个重要的研究领域,其中情绪的脑研究正成为研究者趋之若骛的研究热点。随着神经科学和脑科学的发展,情绪不再高深莫测。国内外的众多研究者利用脑电图机对不同的情绪进行分类识别和研究,旨在提升情绪的分类识别效果和探索不同情绪的调节机制。对于情绪的探究不仅有助于抑郁症等疾病的治疗还在脑机交互等应用领域有着非常重要的意义。本研究借鉴已有的情绪研究的相关成果,对8名被试者在视频情绪诱发下的愉悦—不愉悦、高唤醒—低唤醒四种情绪状态的脑电数据进行分类研究旨在提高分类器的精度、减少分类时间并探索不同情绪下的脑机制。本研究首先对原始数据进行预处理以去除原始脑电的噪声,然后采用小波变换提取特征,得到32个导联的δ、θ、α、β四段脑电节律,将各频段的频段能量作为特征值。根据本研究的实验方案,随后选用改进的SVM分类器对群体、个体愉悦—不愉悦、高唤醒—低唤醒的脑电样本进行模式分类,探究以上四种情绪状态是否存在着差异。最终对于差异样本采用Relief算法进行特征选择,发现与情绪关联性大的脑区和频段,并对该脑区和频段进行分析和解释。研究发现群体在愉悦度上和唤醒度上的脑电并不可分,即人群中的情绪调节存在着个体差异,并没有相同的模式。与愉悦—不愉悦相关的脑区主要存在与额叶区。愉悦状态下右额叶的α节律表现活跃。在不愉悦的状态下左额叶表现唤起,右额叶的节律α波的表现出抑制。右脑的β波无论在愉悦还是不愉悦的状态下能量活动均高于左脑。与高唤醒—低唤醒相关的脑区呈现双通道模式,高唤醒的情绪状态主要与颞叶相关,低唤醒的情绪状态主要和额叶与颞叶协同相关。个体在低唤醒时颞叶区的α,β波能量高于高唤醒时的α,β波,低唤醒状态下的α,β波活动兴奋。在颞叶区高唤醒—低唤醒时的α,β,θ三段脑频率活动程度相当。本研究在研究过程中以数据为驱动,借鉴了已有的神经科学的研究成果和机器学习的方法,使得研究的结果更加可靠。通过研究一方面改进分类器的分类效果,提高情绪分类识别的准确率为情绪识别的应用提供保证。另一方面通过对不同情绪关联性大的脑区和频段进行分析,揭示不同情绪调节的脑机制,为情绪的脑机制研究提供思路和方法。