随着人工智能的不断发展,令计算机拥有情感成为了当今人机交互研究的热点,基于计算机系统的情绪识别是实现情感智能的一大关键,而脑电波作为一种表征情绪的有效生理信号,逐渐被应用于情绪识别领域。本课题着重研究脑电对不同情绪的表征模式以及该模式的稳定性。我们使用视频片段作为刺激材料诱发被试情绪,采集脑电信号。提取脑电的微分熵特征值,通过线性动力系统平滑后,分别使用基于判别图正则化的极限学习机和支持向量机对特征进行分类。最终发现平滑后的脑电微分熵特征不仅能够很好地表征正性、中性和负性情绪,而且也能够很好地表征高兴、平静、悲伤和恐惧情绪。通过计算脑电特征和情绪的相关系数,获得了情绪的关键脑区和关键频段,为情绪的生理机制提供佐证。通过使用模糊积分算法进行分类器融合,优化了模型,获得了更好的分类结果。并且我们发现,同一被试脑电随情绪变化的模式存在时间稳定性,不同被试之间脑电表征情绪的规律也有一定的相似性。对于正性、中性、负性情绪,脑电对情绪的表征模式存在性别差异,同性别被试的脑电模式更加类似。情绪的脑电信号稳定模式使得基于脑电的情绪识别在实际应用中成为可能。