基于脑电图（EEG）的情感识别在跨异构数据集转移时面临严重的性能下降，这主要源于生理变异、实验范式差异和设备不一致性。现有的领域对抗方法主要强调全局边际对齐，往往忽视类条件不匹配和决策边界扭曲，从而限制了跨语料库的泛化能力。提出了一种统一的原型驱动对抗对齐（PAA）框架，用于跨语料库的 EEG 情感识别。该框架逐步实现了三种配置：PAA-L，进行原型引导的局部类条件对齐；PAA-C，进一步增强了对...