摘要EEG 情感状态数据集记录了 32 名参与者观看 40 个一分钟音乐视频时的脑电图EEG、外周生理信号和面部视频22 名参与者包含五维情感评分唤醒度、效价、喜欢/不喜欢、支配性、熟悉度。刺激材料通过 last.fm 情感标签检索和视频高光检测选择支持情感识别、脑机接口、情感计算和多模态情感分析研究。数据集简介数据集概述EEG 情感状态数据集是一个用于分析人类情感状态的多模态数据集记录了 32 名参与者在观看 40 个一分钟音乐视频片段时的脑电图EEG和外周生理信号。参与者对每个视频的唤醒度arousal、效价valence、喜欢/不喜欢程度、支配性dominance和熟悉度进行评分。对于 32 名参与者中的 22 名还记录了正面面部视频。数据集采用新颖的刺激材料选择方法利用 last.fm 网站的情感标签检索、视频高光检测和在线评估工具确保刺激材料的情感代表性和质量。该数据集支持情感识别、脑机接口、情感计算、神经科学研究以及多模态情感分析等应用为理解人类情感反应的生理和神经机制提供了丰富的实验数据。数据结构与模态特征数据集采用多模态架构整合三类数据脑电图EEG信号记录大脑电活动捕捉情感处理的神经相关物外周生理信号可能包括心率、皮肤电活动、呼吸等自主神经系统反应面部视频22 名参与者提供面部表情和微表情的视觉信息。每个参与者观看 40 个音乐视频片段共 1,280 个试验32×40每个视频对应五个维度的主观评分唤醒度情绪激活程度、效价积极/消极程度、喜欢/不喜欢偏好判断、支配性控制感和熟悉度先前接触程度。这种设计支持监督学习任务将生理和神经信号映射到多维情感空间。应用价值与研究方向该数据集支持情感识别算法开发、脑机接口设计、情感计算模型训练、多模态融合研究以及神经科学情感机制探索。研究人员可以开发从 EEG 信号自动识别情感状态的分类器、构建融合生理信号和面部表情的多模态情感识别系统、训练深度学习模型预测主观情感评分或探索不同情感维度在大脑和身体中的表征模式。数据集的多维情感评分设计使其适用于情感连续体建模而非简单的离散类别分类。面部视频子集支持视觉-生理信号融合研究。通过提供音乐视频作为生态效度较高的情感诱发材料数据集为开发自然交互场景下的情感感知系统、改进情感人工智能以及推动情感神经科学研究提供了宝贵资源。数据集来源该数据集采集 32 名参与者观看 40 个音乐视频时的 EEG、生理信号和面部视频配有五维情感评分刺激材料通过 last.fm 情感标签选择。由张家梁(Bob)整理并于2026年在7zcode平台公开发布。数据集信息免责声明与引用数据仅用于科研与教学用途。若用于商业场景请自行核验数据许可。如需引用请在论文或报告中注明数据集名称与版本号。作者信息作者Bob (张家梁)项目编号Datasets-65文件大小2.7G原创声明本数据集为整理作品