决策无处不在,与人类的生活息息相关,是人类一项基本认知活动。决策的过程一般分为发散型研讨决策和收敛型研讨决策。情绪对决策有着重要影响,已有研究发现,决策者处于积极情绪状态下,决策者倾向于冒险,并低估风险的可能性;而决策者处于消极情绪状态下,决策者倾向于风险规避,并高估风险的可能性。然而,决策者情绪目前缺乏有效的实时获取手段。脑电信号难以伪装且客观性强,能够真实的表达人类内在情绪状态的特点,因而通过脑电信号感知情绪状态的准确性较高。本文首先根据脑电信号进行情绪感知,然后根据感知到的情绪状态分别对发散型研讨和收敛型研讨进行决策支持。主要工作有如下三点:(1)为了实时准确的得到决策者情绪状态概率分布,本文提出了一种基于支持向量机(Support Vector Machine,SVM)概率输出的情绪感知方法。对脑电信号进行处理,提取脑电信号的统计特征,建立基于SVM的三分类情绪概率输出模型,从而得到决策者情绪状态的概率分布。实验结果表明,该方法具有较好的分类结果,可实时获得决策者的情绪状态概率。(2)根据获得的决策者情绪状态概率,进行发散型研讨决策支持。本文提出了一种基于情绪感知的发散型研讨决策支持方法,利用网页排名(PageRank,PR)算法,依据决策者的发言信息,设计了一种考虑决策者情绪状态的观点支持程度计算方法,最终依据PageRank值对观点进行排序。通过实例证明了该方法的有效性。(3)根据获得的决策者情绪状态概率,进行收敛型研讨决策支持。本文提出了一种基于情绪感知的收敛型研讨决策支持方法,考虑决策者情绪以及语言评价的随机性和模糊性,利用云模型将语言评价进行定量化,然后通过前景理论,基于情绪泛化假设,对方案进行排序。实例证明该方法能够提高收敛型研讨决策的有效性和准确性。