生活中的每个人经常会因为一些外在因素或者个人原因而产生一些不好的情绪，比如沮丧、伤痛、害怕、恼怒、哀伤、忧郁等等，心理学家将这些坏情绪总称为负性情绪。此类情绪是消极的，对大学生群体尤其如此，因为这会影响大学生的学习与工作，甚至严重影响人的身心发展。故而采取有效手段来调节负性情绪已经成为当下关心大学生身心健康的一大积极有效的措施。近年来随着运动心理学的研究发现，适当的体育锻炼对改善负性情绪能起到积极作用。
　　大多数类型的健身运动都能达到抵抗负性情绪的目的已成为不争的事实。先前的研究大多停留在使用调查问卷来分析运动者的情感变化这一阶段，虽然能看到运动之后的人情绪明显好转，但此方式多多少少存在主观因素影响。后续的研究中，有人使用了心率、脉搏、皮肤点等生理信号，效果较好，但是基于脑电的研究较少。脑电信号能较好地度量大脑内部活动，时间分辨率高，不易伪装，能较为客观地反映人类的真实情感。论文采集了被试做短时中等强度的脚踏车前后分别观看负性图片的脑电数据，提取能有效表征情绪的脑电通道的事件相关电位，运用统计学相关检验，来详细研究短时中强度运动改善负性情绪的脑电是如何变化的。主要工作及结果如下：
　　(1)针对被试做实验阶段会走神，从而使收集到的脑电数据不能满足本实验所需这个问题，设计了双选择Oddball范式基于图片刺激的情绪诱发实验，采集被试所诱发出的中性、负性两种情绪的脑电数据。中间施加20分钟中等强度的脚踏车运动作为短时运动干预。稍作休息后，再做一次负性情绪诱发实验。
　　(2)经过预处理脑电数据后，通过对该范式下的靶刺激(负性图片)，标准刺激，分心刺激对应的脑电数据提取。选取与情绪相关的8个通道，按被试观看图片类别的试次进行ERP(event-related potential)叠加，分析了ERP的晚期正电位的峰值以及情绪恢复状态两个方面，并使用单因素方差分析做显著性差异检验。结果证实经过短时中等强度运动后，产生负性情绪后自我改善能力得到有效提高。
　　(3)针对未来人机交互系统中如何让机器自动判别用户的负性情绪是否得到有效改善的问题，开展了基于EEG(Electroencephalogram)信号的负性情绪改善识别研究。将观看负性图片的脑电数据按照运动前、运动后分开，分别提取出θ，α，β，γ四个频段，选取与情绪相关的8个通道，每个通道提取时域、频域和非线性三个领域的7种有效特征，分别是原始脑电信号的均值、标准差、一阶差分、二阶差分、功率谱、样本熵，共计56个有效特征，做十折交叉验证，再使用后向特征选择算法筛除冗杂或者效果差的特征。使用支持向量机分类器对运动前后的脑电数据做识别，从而来达到判别情绪是否改善的目的。论文中使用支持向量机的四个核函数，分别对运动前和运动后的脑电数据进行判别。经验证，不运动组中，选取γ频段，使用RBF(Radial Basis Function)核函数时效果最好，最佳识别率达76%；运动组中，选取β频段，使用RBF核函数时效果最好，最佳识别率达78%。综上所述，论文能为以后在人机交互系统中让人工智能判别出人类情绪是否得到改善提供有效数据库和理论基础。