摘要：脑电图（EEG）数据中存在的各种关系对于脑电图特征表示显着。因此，基于图的方法的研究重点是提取脑电通道之间的相关性。现有图形研究的缺点是它们仅考虑脑电图电极的单一关系，这导致了脑电图数据的不可思议的表示，并且情绪识别的准确性相对较低。在本文中，我们提出了一个融合图卷积网络（FGCN），以提取EEG数据中存在的各种关系并融合这些提取的关系，以更全面地表示EEG数据以识别情绪。首先，FGCN地雷脑连接在拓扑，因果关系和功能上。然后，我们提出了一种局部融合策略，以融合这三个图，以充分利用具有强大拓扑，因果关系和功能关系的有价值的渠道。最后，采用图形卷积神经网络来更好地表示情绪识别。在种子和种子IV上进行的实验表明，融合不同的关系图可有效提高情绪识别能力。此外，3级和4级的情绪识别精度高于其他最先进的方法。