在日新月异的互联网时代,随着网络视频数量的与日俱增,含有不良信息的网络视频也不断增多。为了保护未成年人和某些特殊人群,网络不良信息过滤刻不容缓。作为网络不良信息过滤的重要方式,视频情感分类一直是研究热点。近年来,随着便携式脑电信号采集装置的出现和人们对个性化视频分析需求的增加,脑电信号在视频情感分类领域逐渐引起研究者们的关注。为了提高视频情感分类的正确率,并探索将视频信号与脑电信号有效融合的分类模型构建方式,本文的具体研究工作如下:首先,本文回顾了视频情感分类和多模融合分类方式的研究现状。通过对多模融合视频情感分类的深入研究,本文分析得出了构建多模融合视频情感分类模型的关键研究点:特征提取、特征选择以及融合分类。本文仅针对特征选择以及融合分类这两个关键点展开研究。其次,本文提出了一种基于决策树的脑电信号特征选择方法。该方法关注特征选择这一关键研究点,阐释了将决策树技术应用于脑电信号特征选择的具体方式。在第二届脑机接口竞赛标准数据集Ia上,本文采用不同的脑电信号特征选择方法进行了测试。测试结果显示,与具有代表性的传统脑电信号特征选择方法相比,本文提出的特征选择方法所选出的脑电特征与生理学研究结论一致,并能获得更高的分类正确率。最后,本文提出了一种基于核超限学习机的多模融合视频情感分类方法。该方法主要聚焦于融合分类这一关键研究点,采用核超限学习机技术,将视频信号和脑电信号进行特征级融合,再映射到情感类别空间实现视频情感分类,为混合式视频情感分类提供了新的思路。本文设计并实现了视频情感诱发脑电实验,并从该实验中获得了测试所需的视频信号和脑电信号。本文首先在自采脑电信号上验证了所提出的脑电信号特征选择方法的有效性。然后本文在自采数据上采用不同的视频情感分类方法进行了测试。测试结果显示,与仅用视频信号或仅用脑电信号的视频情感分类方法相比,本文提出的多模融合视频情感分类方法能获得更高的分类正确率。