基于面部表情、EEG和ECG信号的复杂情感识别系统：综述

复杂情感识别系统（CERS）通过考察基本情感表达的组合、它们的相互关系以及动态变化，来解码复杂情感状态。通过利用先进的算法，CERS提供对情感动态的深入见解，促进对情感动态的细致理解和定制化响应。实现如水平的情感识别需要类似人类认知的知识蒸馏和对新概念的理解。为辨别复杂情感的人工智能系统具有重大的挑战和重大意义。此外，获取CERS的大型数据集也十分困难，因为捕捉细微情感的复杂性， necessitating specialized methods for data collection and processing. 融合电生理信号，如心电图（ECG）和脑电图（EEG），可显著提升CERS，通过提供关于用户情感状态的宝贵见解，增强数据集的质量，并增强系统的可靠性。本研究对利用EEG、ECG信号和面部表情数据集进行机器学习、深度学习和元学习方法进行基本和复杂情感识别的有效性进行了全面的文献综述。所选的研究论文提供了潜在应用、临床意义和CERSs的结果视角，旨在促进其在临床决策过程中接受和集成。本研究强调了理解CERSs的研究空白和挑战，鼓励相关研究和组织进行进一步调查。最后，强调了在提高CERS性能并指导未来研究中mete-learning方法的重要性。