Emoções são importantes para os seres humanos, influencia nosso comportamento social,
memória e cognição. A área da computação afetiva visa a auxiliar na compreensão dos
fenômenos emocionais humanos utilizando sistemas computacionais para isso. Neste contexto, definir, caracterizar e classificar emoções e suas partes constituintes a partir de
sinais fisiológicos, como sinais de eletroencefalograma (EEG), expressões faciais, etc., é
uma tarefa desafiadora. No entanto, ainda não se conhece um conjunto de características
ótimas para o reconhecimento de emoções a partir de sinais de EEG, apesar de existirem
características como PSD (power spectral density) e HOC (higher-order crossings), amplamente utilizadas pela comunidade científica. Novas pesquisas têm conseguido avançar
substancialmente o estado da arte no que diz respeito ao reconhecimento de emoções
a partir de EEG ao considerarem o emprego de características extraídas do espaço de
fase desses sinais e classificadores baseados em técnicas de deep learning. Neste contexto,
a presente tese investigou o emprego de imagens de reconstrução do espaço de fase de
sinais de EEG, que são submetidas à uma rede convolucional 3D (uma das técnicas de
deep learning), para aprender automaticamente características do espaço de fase de sinais
de EEG para reconhecer diferentes estados emocionais de modo independente do indivíduo. Os resultados dos experimentos demonstraram a viabilidade e competitividade da
abordagem proposta utilizando imagens de reconstrução do espaço de fase empilhadas de,
apenas um canal de EEG FP1, alcançando acurácias de 0, 84 ± 0, 07, para quatro classes
de valência-excitação, e 0, 88 ± 0, 05 para duas classes de valência e 0, 94 ± 0, 01 para
duas classes de excitação, ambos utilizando a metodologia de treinamento e classificação
do tipo LOSO (leave-one-subject-out). Esses resultados, além de reduzir a quantidade de
canais necessários para a classificação ao mínimo possível, contribui para avançar o estado
da arte ao apresentar uma nova abordagem para a classificação de emoções a partir de
sinais de EEG