随着脑电信号采集设备的迅速发展，脑电信号越来越多应用于实际生活中，基于脑电的情绪识别也成为了重要的研究课题。本文对如何利用脑电识别视频诱发的情绪这一问题进行了研究。之前对于脑电的研究多使用脑电信号在不同频带的能量特征，本文使用微分熵特征，使得情绪相关的脑电信号得到了更好地表征。同时，本文通过特征选择，发现了对于情绪识别任务有重要影响的脑电频带以及脑区，为神经生理学中探究情绪产生的机理提供依据。本文使用线性动力系统对特征序列有针对性地进行了平滑，提高了后续情绪识别的准确率。基于脑电的情绪识别模型能否真正得到推广使用，很大程度上依赖于该模型是否稳定，本文通过模型在较长时间范围里的情绪识别效果证明所提出的识别算法训练出的模型具有一定的稳定性。在针对6个人的18次实验中，本文提出的算法针对三种情绪状态的识别达到了平均85%的准确率。