脑电模型实战系列（四）：基于GAN和CGAN的脑电情绪识别，CGAN 条件生成 DEAP EEG 特征-定向 Arousal 样本合成（四）前三篇我们渐进式推进：第一篇预处理DEAP EEG特征，用PCA/KernelPCA探分布；第二篇纯GAN生成随机EEG向量，PCA重叠80%+；第三篇用GAN增强Arousal分类，Acc从65%提至68%。但纯GAN的痛点显露：生成无条件，伪标签粗糙，增强不精准。今天升级：用PyTorch构建CGAN（条件GAN），按Arousal标签定向生成“高/低唤醒”EEG特征。CGAN引入标签嵌入，让G学P(x|label)——完美解决“想生成高Arousal样本？直接指定！”。