简介：一篇2019年发表于国际期刊的学术论文，聚焦基于脑电信号（EEG）的情绪检测，使用DEAP与SEED-IV两个公开数据库，并采用支持向量机（SVM）进行分类。论文面向情感计算、脑机接口（BCI）方向的研究者，以及正在准备相关毕业设计的学生，可帮助读者快速了解情绪识别研究流程与实验设计。包体内仅含1个PDF文件，大小约701KB，方便直接阅读。论文核心内容覆盖预处理、离散小波变换提取5个频段、功率/能量/微分熵等特征提取，以及通道级SVM分类器与通道组合器的构建，并报告了四分类准确率（DEAP上74%、86%、72%、84%，SEED-IV上79%、76%、77%、74%）。目前已有346人学习浏览，适合作为入门文献或方法参考，尤其能为SVM在EEG分类中的应用提供可复现的框架和指标对比。
1. 用 SVM 做 EEG 情绪检测：这张论文复现图到底怎么走通
打开任何一篇“基于 EEG 的 DEAP 和 SEED-IV 数据库的情绪检测”论文，方法图里十有八九画着同一个分类器：SVM。名字熟悉，真下手复现才发现坑全在看不见的地方——同样的数据、同样的 SVM，有人报到 85%，有人死活只有 55%。差别不在 SVM 本身，而在预处理、特征口径和评估协议这三件小事。这篇文章不讲深度学习，只讲怎么用 SVM 把这条经典流水线完整走通：两个数据库怎么读、基线怎么去、特征怎么提、C 和 gamma 怎么搜、交叉验证怎么做才不算自欺欺人。适合刚入门情感计算的研究生，也适合想快速判断 EEG 情绪识别靠不靠谱的工程师。不需要 GPU，一台普通笔记本足够复现论文里的绝大部分结果。下面所有代码我都按“读文件 → 预处理 → 提特征 → 分类 → 评估”的顺序组织，你照着填空就行。
2. 认识两个数据集：DEAP 和 SEED-IV 的通道、采样率与标签口径
2.1 DEAP：32 通道 128Hz，连续量表怎么变成二分类标签
DEAP 是情感计算里出镜率最高的公开数据集。32 名被试看 40 段一分钟音乐视频，同时记录 32 通道 EEG 和 8 路外周生理信号（眼电、肌电、皮电等）。官方预处理版本采样率是 128Hz（原始采集是 512Hz），每段视频前 3 秒是静息基线，所以每条 trial 实际是 63 秒、8064 个采样点。从官网申请下载后拿到的data_preprocessed_matlab目录里，每个被试一个.mat文件，结构很规整。
import numpy as np import scipy.io as sio mat = sio.loadmat('data_preprocessed_matlab/s01.mat') data = mat['data'] # (40, 40, 8064): trial × 通道 × 采样点 labels = mat['labels'] # (40, 4): valence, arousal, dominance, liking eeg = data[:, :32, :].astype(np.float64) # 前 32 路是 EEG，后 8 路是外周信号 fs = 128 # 去基线：前 3 秒的均值作为这条 trial 的参考电平 baseline = eeg[:, :, :int(3 * fs)].mean(axis=2, keepdims=True) eeg = eeg - baseline这里data第一维是 40 个 trial，第二维是 40 个通道，第三维是 8064 个点。基线之所以单独去掉，是因为被试进入正式视频之前可能带着不同的放松状态，这个直流偏移如果不减掉，后面算频段功率时会整体抬高低频分量，导致不同 trial 之间的差异被“基线漂移”污染。
DEAP 的标签是四个 1–9 的连续评分，不是现成的类别。绝大多数论文把它切分成二分类：愉悦度（valence）和唤醒度（arousal）各切一个高于/低于 5 分的二分类。切分代码和阈值边界要一起保存好，这是后面复现和对比的基准。
valence = labels[:, 0] arousal = labels[:, 1] # 常见切分：评分 > 5 归为正类，5 分本身视作不确定样本，可舍去 y_valence = (valence > 5).astype(int) y_arousal = (arousal > 5).astype(int) print('valence 分布:', np.bincount(y_valence)) print('arousal 分布:', np.bincount(y_arousal))如果某类样本量明显失衡（比如某个被试 40 个 trial 里 35 个评分都大于 5），先别急着训模型，后面第 5 章会讲怎么处理。还有一种常见做法是构造四分类：valence 和 arousal 两两组合成四个象限（高愉悦高唤醒、高愉悦低唤醒等），但四分类样本量更少，SVM 的难度和方差都会上升，新手建议从二分类入手。
2.2 SEED-IV：62 通道四分类，三种情绪与中性怎么对齐
SEED-IV 和 DEAP 的设定完全不同：15 名被试、62 通道、原始采集 1000Hz，发布版本通常降到 200Hz。情绪不是连续评分，而是四个固定类别——中性、悲伤、恐惧、高兴，标签按整数编码，常见映射是 0=中性、1=悲伤、2=恐惧、3=高兴。每个被试有 3 个 session（不同天录制），每个 session 里四类情绪各有若干段视频刺激，单个被试累计 200 多个 trial，总样本量比 DEAP 大不少。
SEED-IV 发布时会同时提供原始 EEG 和已经提好的微分熵（DE）特征文件。很多 SVM 论文直接基于官方 DE 特征，省去自己提特征这一步。需要留意的是不同发布渠道的文件键名不一样，读之前务必先打印 keys 确认。
import scipy.io as sio import numpy as np mat = sio.loadmat('eeg_feature_smooth.mat') print(mat.keys()) # 常见键名: 'data', 'label', 也可能是 'de_LDS' 之类 feat = mat['data'] # (n_trials, n_features)，常见维度 (96, 310) label = mat['label'] # (n_trials,)，取值 0/1/2/3310 维的含义是 62 通道 × 5 个频段（delta、theta、alpha、beta、gamma）。如果论文里报的 SEED-IV 准确率不是基于 310 维特征，那它的特征口径可能和官方不同，复现时注意对齐。官方 DE 特征通常是每段视频一个特征向量，也就是说一个 trial 对应一行。
2.3 两个数据集能否合并：通道对齐、采样率统一与特征口径
标题里同时出现 DEAP 和 SEED-IV，不意味着要把两个数据集拼在一起训练。它们通道数不同（32 对 62）、采样率不同（128 对 200）、标签形式不同（连续量表对离散类别），盲目混用会让模型学到“数据集来源”而不是“情绪”。我见过有人图省事直接横向拼接特征，结果准确率虚高，换了新数据立刻翻车——这就是典型的源域偏差。
常见做法是两条流水线各自跑，最后用一张表并列报告：DEAP 上报 valence/arousal 二分类准确率，SEED-IV 上报四分类准确率，再加一列“被试独立验证的跨被试结果”。如果你确实想做跨数据集迁移，先做两件事：取两个数据集共用的公共电极位置，以及把特征统一成“每通道分频段”的同一口径，然后再谈合并。
我一般会把两个数据集分别封装成两个读取函数，入参是一个.mat路径，返回X、y、subject_id三件套。注意subject_id必须保留——后面第 4 章的留一被试交叉验证全靠它，很多新手就是在这里漏掉分组信息，导致评估协议做错。
def load_deap(path): mat = sio.loadmat(path) data = mat['data'][:, :32, :].astype(np.float64) labels = mat['labels'] return data, labels def load_seed4(path): mat = sio.loadmat(path) feat = mat['data'] label = mat['label'] return feat, label封装的好处是后续所有实验脚本只认这两个函数的输出，数据集内部的格式差异被隔离在函数里，想换镜像版本或调整通道选择时只需要改一处。
3. 预处理与特征提取：从原始 EEG 到 SVM 能吃的特征矩阵
3.1 预处理必做三步：降采样、带通滤波、基线去除
如果你的 DEAP 拿到的是 512Hz 原始版，先降到 128Hz。原因很简单：EEG 情绪识别关注的频段基本在 45Hz 以下，512Hz 只会让特征计算时间和内存翻倍，高频段全是肌电和工噪。SEED-IV 发布版通常已经是 200Hz，可以直接用。降采样用scipy.signal.resample_poly或直接取data[:, :, ::4]（512 到 128）都行，但要注意先滤波再降采样，否则高频混叠会折回低频。
带通滤波是必须的。4–45Hz 是情绪 EEG 研究最常用的通带，4Hz 以下主要是漂移和慢波，45Hz 以上是肌电和电磁干扰。离线处理我习惯用filtfilt做零相位滤波，它不会像普通 IIR 滤波那样让波形产生相位偏移，特征提取时的时间对齐才可靠。
from scipy import signal def preprocess_eeg(eeg, fs=128, order=4): """带通 4–45Hz，零相位滤波""" low = 4.0 / (fs / 2) high = 45.0 / (fs / 2) sos = signal.butter(order, [low, high], btype='bandpass', output='sos') return signal.sosfiltfilt(sos, eeg, axis=-1)order=4是经验值，巴特沃斯四阶在 4Hz 和 45Hz 处有 24dB/oct 的衰减，对情绪频段足够。滤波器阶数再高会引入相位畸变和数值不稳定，一般不建议超过 8。如果采集环境有 50Hz 工频干扰（国内常见），可以在 45Hz 上限后追加一个 48–52Hz 的陷波器，但 DEAP 官方预处理版已经做过一遍，实际复现时通常不需要再陷波。
基线去除放在滤波之前还是之后都行，我更习惯先滤波再减基线，这样基线均值里不包含被滤掉的漂移成分，物理意义更干净。减去基线时用前 3 秒的均值而不是第一个点，因为单个点的噪声太大。
3.2 特征提取：DEAP 用频段功率谱，SEED-IV 用微分熵
特征提取是这条流水线里最影响最终指标的一步。DEAP 论文里的主流特征是每个频段的平均功率谱密度（PSD），用 Welch 法估计：把一段信号切成重叠窗口、分别做 FFT、再对所有窗口取平均，方差比直接用整段 FFT 小得多。SEED-IV 的主流特征则是微分熵（DE），官方干脆直接发布 DE 特征。
Welch 功率特征的代码很直接：
from scipy.signal import welch FREQ_BANDS = { 'delta': (1, 4), 'theta': (4, 8), 'alpha': (8, 13), 'beta': (13, 30), 'gamma': (30, 45) } def band_power_features(eeg_f, fs=128): """每个 trial 输出 通道数 × 频段数 维特征""" n_trials, n_ch, n_samp = eeg_f.shape feats = np.zeros((n_trials, n_ch * len(FREQ_BANDS))) for t in range(n_trials): freqs, psd = welch(eeg_f[t], fs=fs, nperseg=256, noverlap=128) cols = [] for low, high in FREQ_BANDS.values(): mask = (freqs >= low) & (freqs <= high) cols.append(psd[:, mask].mean(axis=1)) feats[t] = np.concatenate(cols) return feats # DEAP 全量: 32 被试 × 40 trial = 1280 条样本，每条 32×5 = 160 维 X_deap = band_power_features(all_eeg)nperseg=256在 128Hz 下是 2 秒窗口，频率分辨率 0.5Hz，delta 频段（1–4Hz）能覆盖 6 个频率 bin，取均值足够稳定。窗口再短则低频分辨率不够，再长则时间平滑过头。noverlap=128让相邻窗口有 50% 重叠，能降低 Welch 估计的方差。
SEED-IV 的微分熵，数学定义是：对带通后的高斯信号，DE = 0.5 × ln(2πeσ²)。实现也不复杂：
def differential_entropy(x, eps=1e-10): var = np.var(x) return 0.5 * np.log(2 * np.pi * np.e * var + eps) def de_features(eeg_f, fs=200): """每个通道、每个频段一个 DE 值，SEED-IV 官方口径就是 62×5=310 维""" n_trials, n_ch, n_samp = eeg_f.shape feats = np.zeros((n_trials, n_ch * len(FREQ_BANDS))) for t in range(n_trials): cols = [] for low, high in FREQ_BANDS.values(): sos = signal.butter(4, [low / (fs / 2), high / (fs / 2)], btype='bandpass', output='sos') seg = signal.sosfilt(sos, eeg_f[t], axis=-1) de = np.array([differential_entropy(seg[c]) for c in range(n_ch)]) cols.append(de) feats[t] = np.concatenate(cols) return featseps是防止某通道信号方差极小时取对数得到负无穷。注意 DE 特征对滤波器很敏感，频段边界必须和官方口径一致——如果你把 gamma 取到 40Hz 而官方取 45Hz，特征就完全对不上，复现数字自然对不上。
提示：自己提特征时先跑通一条 trial，把输出维度打印出来核对。维度错了后面所有环节都会连锁出错，这是新手最常栽的地方。
3.3 特征矩阵与标签对齐：样本数、维度、subject_id 一起打包
特征提取完，最不能省的一步是把X、y、subject_id对齐打包。DEAP 全量是 1280 条样本 × 160 维，SEED-IV 全量是 4000 多条样本 × 310 维，SVM 处理这个规模毫无压力。真正会出问题的是：循环里 append 的顺序混乱，导致标签和特征错位；或者没有记录每行样本属于哪个被试，后面分组交叉验证做不了。
def build_deap_feature_matrix(subject_files): X, y_v, y_a, subjects = [], [], [], [] for sid, path in enumerate(subject_files, start=1): eeg, labels = load_deap(path) eeg = preprocess_eeg(remove_baseline(eeg)) # 基线 → 滤波 feats = band_power_features(eeg) X.append(feats) y_v.append((labels[:, 0] > 5).astype(int)) y_a.append((labels[:, 1] > 5).astype(int)) subjects.append(np.full(len(feats), sid)) return (np.vstack(X), np.concatenate(y_v), np.concatenate(y_a), np.concatenate(subjects))这个函数返回四个数组，长度完全一致。subjects数组的每一行记录该样本来自哪个被试，它在第 4 章的留一被试验证里是核心分组依据。没有它，你只能用随机切分，报出来的跨被试泛化结论就是错的。
如果嫌样本量不够，常见的扩充手段是把 60 秒 trial 切滑窗：窗口 4 秒、步长 2 秒，一条 trial 变成 20 多条样本。滑窗能显著提高 SVM 的样本量，但要注意同一个 trial 的滑窗不能同时落在训练和测试里，否则就是数据泄漏。我一般先不加滑窗跑通全流程，确认结果合理后再回来做滑窗，这样排错容易。
4. SVM 分类器落地：RBF 核、C/gamma 搜索与评估协议
4.1 为什么是 SVM：小样本、高维特征与论文 baseline 的默契
深度学习在情绪识别上确实刷了很多榜，但公开数据集的样本量对 CNN 来说太小——DEAP 单被试只有 40 条 trial，Deep 模型随便一层的参数量都比样本数多，过拟合是必然的。SVM 在“样本少、维度不低”这个区间里是经典答案：它只依赖支持向量决定边界，对小样本的泛化能力比线性模型和深度模型都稳。RBF 核又给它提供了非线性分类能力，特征标准化之后基本不需要人工调结构。
另一个现实因素是：用 SVM 做 baseline 是论文复现的默认期待。审稿人看到你报一个 85% 的 SVM 结果，会认为你的特征和评估是可靠的；但如果你的深度模型跑得比 SVM 还低，就会被追问“方法是否带来了真正的增益”。我习惯把 SVM 当作“这个任务可不可做”的探针：SVM 能上 70%，说明特征里有情绪信息，值得继续投入；SVM 只有 50%，先回头查特征和标签，别急着换大模型。
4.2 RBF 核必调参数：C、gamma 的搜索区间与标准化陷阱
RBF 核有两个关键参数：C控制对训练误差的容忍度，gamma控制核函数的径向作用范围。gamma越大，每个样本的影响范围越小、决策边界越复杂，容易过拟合；gamma越小，边界越平滑，容易欠拟合。两个参数都应该在 log 尺度上搜索，从一个粗范围开始确认最优区域。
比调参更容易踩的是标准化。EEG 特征不同通道的功率可能差好几个数量级（额叶和枕叶的 alpha 波幅差异很大），不标准化的话 SVM 的损失函数会被大尺度特征主导，RBF 核的距离计算也跟着失真。标准化必须放在 Pipeline 里，让每个交叉验证折只看到训练集的统计量。
from sklearn.pipeline import Pipeline from sklearn.preprocessing import StandardScaler from sklearn.svm import SVC from sklearn.model_selection import GridSearchCV, StratifiedKFold pipe = Pipeline([ ('scaler', StandardScaler()), ('svm', SVC(kernel='rbf', class_weight='balanced')) ]) param_grid = { 'svm__C': [0.1, 1, 10, 100], 'svm__gamma': [0.001, 0.01, 0.1, 1] } cv = StratifiedKFold(n_splits=5, shuffle=True, random_state=42) grid = GridSearchCV(pipe, param_grid, cv=cv, scoring='accuracy', n_jobs=-1) grid.fit(X_deap, y_valence) print('最优参数:', grid.best_params_) print('CV 准确率:', grid.best_score_)class_weight='balanced'会在类别不平衡时自动给少数类更高的惩罚权重，DEAP 切分后某些被试可能出现 60:40 的不平衡，这个参数能防止模型全猜多数类。标准化的位置必须在Pipeline内部，而不是先scaler.fit(X)再切分——后者是数据泄漏的经典源头，第 5 章详细说。
筛完参数要检查最优值是否落在搜索范围边界：如果gamma取到 1 还是最优，说明范围太窄，应该扩大到 10、100；如果C取 100 最优，继续升一档确认趋势。边界上的最优参数意味着真正的峰值可能在范围外，这时候直接写进论文是站不住的。
4.3 评估协议分裂：subject-dependent 与 subject-independent 差多少
这是整个 SVM 情绪检测里最容易产生歧义的一环。两种协议的结果可以差 20 个点，但论文摘要里只写一个准确率数字，你必须知道自己复现的是哪一种。
Subject-dependent（被试相关）：同一个被试的 trial 被随机分到训练和测试，模型见过这个人的部分脑电模式再去预测他的剩余 trial。这测的是“同一个人的情绪模式是否稳定”，准确率通常 75–90%。
Subject-independent（被试独立）：训练集和测试集的被试完全不重叠，模型从未见过测试者的脑电。这测的是“模型能不能泛化到新人”，准确率通常只有 55–75%，而且方差很大。实际应用中（比如消费级脑电设备给新用户开箱即用）需要的恰恰是后者。
from sklearn.model_selection import LeaveOneGroupOut, cross_val_score from sklearn.svm import SVC from sklearn.pipeline import make_pipeline # 留一被试交叉验证（leave-one-subject-out） logo = LeaveOneGroupOut() model = make_pipeline(StandardScaler(), SVC(kernel='rbf', C=10, gamma=0.01)) scores = cross_val_score(model, X_deap, y_deap, cv=logo, groups=subject_ids, scoring='accuracy') print(f'LOGO: {scores.mean():.3f} ± {scores.std():.3f}')SEED-IV 的 15 个被试就是 15 个折，每次拿一个人当测试集；DEAP 的 32 个被试就是 32 个折。LOGO 的标准差通常很大（某些被试准确率 80%，某些只有 40%），这正是 EEG 跨被试差异的真实写照。论文里报结果时，mean ± std是最低要求，最好再附每个被试的准确率散点，后面第 6 章会展开。
5. 避坑指南：数据泄漏、标签口径与复现翻车点
5.1 训练集 90%、测试集 55%：标准化泄漏是头号元凶
现象：网格搜索交叉验证准确率 88%，换成新人测试直接掉到 55%，甚至把训练集和测试集调换顺序后结果大变。
原因：最常见的是先把全部样本拿去StandardScaler.fit，再划分训练测试集。scaler 在拟合时看到了测试集的均值和方差，等于把测试集信息提前泄进了训练流水线——这跟把答案夹在考卷里交给考生没有区别。另一个变种是特征选择用了全量数据，比如计算所有样本的方差阈值再筛选通道，同样泄漏。
解决：所有涉及统计量的操作放进Pipeline，保证每个 CV 折内部只对训练部分 fit。标准化的泄漏很难肉眼发现，因为训练准确率看起来“正常地高”，但对新数据完全失效。我在实验里会用一条硬性检查：把X随机打乱后重复跑一次 CV，如果准确率几乎不变，说明流水线没有依赖样本顺序，泄漏风险低；如果差异很大，就逐环节排查。
5.2 DEAP 的 valence/arousal 阈值怎么切都不稳
现象：阈值取 5，某个被试 40 个 trial 里 36 个被判为高愉悦；换中位数切分，另一个被试的准确率又暴跌到 50%。
原因：DEAP 评分是主观自评，被试对量表的理解不同——有人习惯打极端高分，有人全部压在 4–6 区间。固定阈值 >5 在不同被试身上对应的是不同的心理锚点，模型学到的可能是“这个人的作答习惯”而不是“情绪生理模式”。
解决：先按被试分组打印标签分布，再决定策略。常用做法有三种：固定阈值 5，并开class_weight='balanced'，让模型不被多数类带跑；或者用被试内中位数切分，把每个被试自己的评分中位数当阈值；还可以直接剔除评分恰好等于 5 的不确定样本。无论选哪种，论文里必须写清楚，因为换一种阈值切分，准确率数字可能整体漂移好几个点。
5.3 SEED-IV 四分类里 sad 和 fear 老是互相混
现象：总体准确率 75%，一查混淆矩阵，sad 样本里有 30% 被当成 fear，fear 也有 25% 被当成 sad，只有 neutral 和 happy 分得比较开。
原因：恐惧和悲伤在生理信号上是近邻。两者都偏向负效价，区分它们主要靠唤醒度和频段分布，而 SVM 在特征空间里找到的边界往往落在“负效价”这个大区里，内部再细分就吃力。这在情绪识别文献里是很普遍的观察，不是代码 bug。
解决：不要只看总体准确率。把混淆矩阵打出来定位是哪些类别在互混，然后针对性处理：对 sad/fear 这类难分对，单独训练一个二分类器做二次决策；或者增加时间维特征（比如把 60 秒切成多段、每段提 DE 再拼接成序列特征），让 SVM 看到情绪随时间的演化而不是一个静态平均值。审稿人更认可“我分析了混淆矩阵后做了改进”的故事，而不是“把模型换大一点”的万能方案。
5.4 SVM 跑一晚上没结果：参数搜索与计算量优化
现象：网格范围 4×4、CV 五折、跑了半小时还没出结果，日志刷屏但没有输出。
原因：SVM 的优化复杂度介于 O(n²) 和 O(n³) 之间，样本量上万后非线性核的训练会明显变慢。如果又开了probability=True，内部还要额外拟合一个 Platt 缩放模型，训练时间进一步拉长。加上滑窗扩充后样本量轻松到几万，再配合 LOGO 交叉验证，跑一晚上完全可能。
解决：先降压再放大。第一步在单被试上粗搜参数，确定 C/gamma 的大致区间，然后用这个区间在全量上做精细搜索。SVC可以开cache_size=500（单位 MB）扩大核矩阵缓存，能显著减少重复计算的耗时。还有一点：probability=True在对比实验阶段完全没必要开，只有到最终要画 ROC 曲线时才开，其余时候保持默认节省 30% 以上训练时间。
5.5 同一份代码两次跑差 3 个点：随机种子，没有后悔药
现象：昨天跑 78.5%，今天原封不动再跑一次变成 76.2%，代码一行没改。
原因：交叉验证的shuffle=True每次生成不同切分；网格搜索的内部折也可能不同。对只有几千条样本的 EEG 实验，切分方式不同就能让结果波动 2–3 个百分点，这不算异常，但如果你没固定种子，复现时完全说不清数字是怎么来的。
解决：所有涉及随机性的地方显式指定random_state：StratifiedKFold(shuffle=True, random_state=42)、GridSearchCV的 cv 对象里也要固定。论文级别的严谨做法是跑 5 次不同种子（42、2023、7 等），报均值±标准差，而不是只报一次的最好结果。我自己的习惯是每次实验生成一个配置 dict，把随机种子、参数、数据版本、特征口径全部序列化存进日志文件——这就是后悔药，三个月后你想复盘时，不需要靠记忆猜当时到底用了什么参数。
6. 让结果立得住：混淆矩阵、配对检验与被试独立验证
SVM 跑出数字只是第一步，让数字站得住才是论文复现和后续研究的分水岭。我每次都会固定做三件事：看混淆矩阵、做统计检验、按被试拆开看泛化。
先说混淆矩阵。SEED-IV 四分类只看 accuracy 会漏掉最重要信息——sad 和 fear 的混叠模式。用sklearn.metrics.confusion_matrix打出来，配ConfusionMatrixDisplay画成图，能够直接看出模型是把“负效价”当成一个大类还是真的区分了四种情绪。DEAP 二分类则要同时看 sensitivity 和 specificity，类别不平衡时 accuracy 是骗人的，正类占 80% 时全猜正类也能拿 80%。
统计检验这一步很多复现教程不提，但论文里必须有。SVM 比某个 baseline 高 3%，到底是真增益还是随机波动？做法是：在 LOGO 交叉验证的每个折里，同时跑你的 SVM 和一个 baseline（比如线性核或逻辑回归），记录每个被试上的准确率差，然后对这组差值做配对 t 检验或 Wilcoxon 符号秩检验。p < 0.05 再下“显著优于”的结论。这个检验在 15 个被试的 SEED-IV 上很容易做，在 32 个被试的 DEAP 上也不难，成本只有几十行代码，但能直接把你从“报数的人”提升到“做了严谨对比的人”。
被试维度必须单独报告。EEG 情绪识别的跨被试差异极大，某个被试准确率 85%、另一个 45%，平均值 65% 掩盖了全部信息。把 LOGO 每个折的准确率按被试画出来，你能清楚看到模型在哪些人身上失效，进而分析是通道噪声、标签噪声还是该被试本身的生理模式异常。报告格式建议写成mean ± std加分布图，而不是只写一个光秃秃的平均值。
再往上走一步，如果你想提升跨被试泛化，近年有一个值得关注的方向是把传感器空间特征换成源空间特征：用最小范数估计做 EEG 源定位，把 32 或 62 个头皮电极映射到皮层源区域，然后在源空间里提 DE 特征。源空间的生理意义更明确、被试间的解剖对齐性理论上更好，但代价是计算量大，而且头模型参数（皮层网格、导电率）像玄学一样需要反复实验。这不是必需步骤，但如果你把标题里的“研究论文”当真——要往期刊投，这往往是审稿人追问跨被试泛化时你能给出的最有分量的回答。
我自己的习惯是：任何新实验从 1 个被试 + 粗网格开始，确认流水线没断再放全量跑；跑完把随机种子、参数、准确率写进日志文件，绝不靠脑子记。这套流程帮我复现过 DEAP 和 SEED-IV 上不下十次 SVM baseline，方向是对的——能不能冲到论文级指标，最终取决于特征质量和评估协议是否诚实。希望帮到你。
本文还有配套的精品资源，点击获取
