基于脑电的情感识别本体论是情感计算和语义网建模理论相结合的产物,它提供了一种知识管理技术来存储情感计算中的概念和概念间的关系,在脑电数据的支持下,本体将存储领域内的情感识别知识,并在推理机的支持下完成进一步的推理。本研究小组完成了一个描述情感识别过程的原型本体‘’Emotiono",在之前的研究中已经实现了其对于情感信息的一般逻辑推理,可以基于脑电数据进行情感知识的判别和推理。本文将贝叶斯网络的不确定性推理方法引入到基于脑电信号(EEG)识别情感状态的本体论建模中,在原有OWL本体模型的基础上扩展支持不确定性推理的概率信息,从而让对情感数据可以进行不确定性的建模和推理。文中研究工作采用了贝叶斯网络模型,以情感多模态信号数据库"DEAP"中的脑电及用户量表数据为依据,验证了所构建的贝叶斯网络识别情感状态的准确性,并利用这个贝叶斯网络进行不确定性的建模和推理规则提取。最终实现了一个基于脑电信号可以判断情感状态的贝叶斯网络,并在贝叶斯网络的基础上扩展了原型本体" Emotiono "在不确定性推理上的功能。另外,利用贝叶斯网络分类时,在情感的两个维度Arousal和Valence上,脑电数据对于两个维度上情感状态的分类准确率分别达到了86.8%和85.9%,具有较高的分类水平。