跨数据集识别无衰
首个显式解决跨数据集脑电情绪识别的方法，通过风格迁移显著提升跨域预测性能。
Zhou, Yijin · 李甫 · Yang, Li · Ji, Youshuo · Zhang, Lijian · 陈元芳 · 王化宁
IEEE Transactions on Affective Computing 2025
通过风格迁移网络有效捕获源域情感内容和目标域风格特征，重构出风格化的情绪脑电表示，显著提升跨数据集识别性能。
据作者所知，这是第一个明确针对跨数据集情绪脑电识别的工作，为该领域提供了有价值的基准。
代码已公开，研究者可直接使用该模型进行推理或在新数据集上微调，降低复现门槛。