脑机百科消息(bciwiki.com)，北京工业大学、安徽大学等研究人员在《Journal of Neural Engineering》2026年10月26日发表REFS方法，结合标签重建与特征筛选，处理多维情感标签部分缺失时的脑电识别问题。方法在三个公开数据集、不同标签缺失比例下接受评估。
多类脑电特征能够从多个层面描述情感相关信息，但特征维度较高、高质量样本相对较少，可能使分类器过度拟合训练数据，并影响实时处理表现。情感脑机接口中的多维情感标签也可能因自评模型不同、个体情感感知的模糊性与变异性而部分缺失。REFS针对这些建模问题，将标签重建与脑电特征筛选结合。
该方法利用情感标签之间的关联重建不完整标签，减少缺失值和异常值对重建的影响。同时，它结合回归与图方法筛选脑电特征，并减少所选特征之间的重复信息。
研究在DREAMER、DEAP和HDED三个通道配置不同的多维情感数据集上，以不同标签缺失比例进行验证。实验显示，在所评估的不同缺失比例下，REFS的脑电情感特征筛选稳健性持续优于所比较的13种先进特征选择方法。作者认为，这一方法可为标签不完整条件下的情感脑机接口提供稳健、高效的特征筛选方案；当前结果的验证范围仍是数据集实验。