在EEG情绪研究中，有两种常见的情绪表达方式：多维度情绪模型、离散情绪模型。
多维度情绪（Dimensional Emotion）模型将情绪描述为在多个连续维度上的变化。
Valence（情感积极性或消极性）：Valence表示情感体验的积极性或消极性程度。积极的情感通常与快乐、满足和愉悦等感觉相关联，而消极的情感则与悲伤、恐惧和厌恶等感觉相关联。Valence维度的范围通常从负值（消极情绪）到正值（积极情绪）。
Arousal（情感激活水平）：Arousal表示情感体验的激活水平或强度。高Arousal表示情感状态更为激烈、兴奋或紧张，而低Arousal表示情感状态较为平静或放松。
Dominance（情感控制感）：Dominance表示情感状态中个体对情境的控制感或支配感。高Dominance表示个体感到自主和掌控力强，而低Dominance表示感到无力或受控制。
Liking（喜好程度）：Liking表示个体对情感体验的喜好程度或愉悦感。高Liking表示喜欢或享受情感状态，而低Liking表示不喜欢或感到不愉快。
Familiarity（熟悉度）：Familiarity表示情感状态或刺激的熟悉程度。高Familiarity表示情感状态或刺激较为熟悉，而低Familiarity表示不太熟悉或陌生。
Predictability（可预测性）：Predictability表示情感状态或刺激的可预测程度。高Predictability表示情感状态或刺激较为可预测，而低Predictability表示不可预测或混乱。
离散情绪模型（Discrete Emotional Model）将情绪分类为一组离散的类别或状态。
这些情绪维度和状态可以通过分析EEG信号来推断被试者的情绪状态。EEG研究常常使用机器学习和模式识别技术，将EEG数据与已知情绪标签进行训练和分类，以建立情绪分类模型。这些模型可以用于识别和预测被试者在不同情绪状态下的情绪体验。