情绪作为一种心理现象，大多数情况下具有非线性特性。而多变量分析是在数据为线性结构、误差为正规分布的条件下使用的。所以在进行情绪信息处理时，有时需要使用非线性分析方法，如模糊理论、粗糙集理论、神经网络、混沌理论、遗传算法等，均为情绪信息处理的有效非线性分析方法。这里将对非线性理论用于情绪建模进行探索研究。

情绪是一个多维度系统，它不但包括许多互相连接的子系统，而且这些子系统的活动也是动态变化的。Izard认为情绪是神经生理、外显表情和内在体验的综合过程。情绪的神经基础包括了中枢神经系统、外周神经系统和自主神经系统的活动。例如人们恐惧时，伴随着恐惧体验，同时会表现出恐惧的表情，以及一系列生理反应，如肌肉紧张、面色苍白、腹中空虚感、血液更多的流向四肢。所以在情绪研究中，不能只从一个侧面研究情绪过程，也无法只凭借一种测量方法就能解释情绪的科学规律，必须把这几个方面结合起来。

情绪是一种过程而不是状态。Scherer认为情绪是“各自系统的同步活动和动态连接”。Tracy等对由于看到蛇而诱发的恐惧情绪进行了血压、面部表情和恐惧体验的同步动态测量。测量的结果是三者都呈现一定的波形，并最终回到稳态。这些反应的发生并不是彼此孤立的，各反应之间彼此连接——它们一起发生并互相影响。就像Marshall和Zimbardo曾证明的那样，生理激活能够导致恐惧体验；情绪的行为表现（尤其是面部表情）又能导致生理唤醒和情绪体验。情绪是一个复杂的巨大系统，只凭对各成分的了解无法对整个系统做出解释。在探索研究途径的过程中，要明白情绪系统的整体大于部分之和。情绪的过程性不但指单次情绪的动态变化，还指不同情绪的更替以及心境和情绪的相互作用。

不同情绪之间彼此易感染且相互作用，每次情绪都有可能受到在其前面发生的情绪的影响，同样也可能影响着下一次情绪。同样，人们对于同一事件的情绪反应会随着时间而发生着动态变化。比如，对于一件新鲜事物，人们最初的反应是由于感到新奇而靠近，然而随着了解的深入，逐渐产生对其好感或者讨厌的情绪。这些都说明，不能孤立和静止地研究情绪。(www.daowen.com)

心境与特定事件诱发的情绪反应之间相互作用，心境可以影响情绪，而情绪也可以影响心境，所以心境是情绪研究的一个重要组成部分。对于情绪事件来说，一个重要的初始条件便是心境。有些理论学家假设：心境的主要功能是改变特定情绪兴奋的阈值。一个冷刺激作用于皮肤会有两种不同情况：如果皮肤原本过热，该冷刺激就诱发快乐情绪；相反，如果原先皮肤就很冷，那么该冷刺激就成了负性刺激。同样，一个偶然事件（如在公车上被别人不小心踩了一下）发生于快乐心境时，情绪系统不会被激活；然而如果该事件发生于愤怒心境时，则会激活情绪系统。这些都显示情绪的动态性依赖于系统的初始状态。

举一个常见的生活场景实例来说明一天中情绪的动态变化，以及心境和情绪的相互作用。尽管睡眠不足，然而早晨刺耳的闹铃声还是准时把你从梦中惊醒，这就导致了烦躁的心境，也是你敏感化的初始状态。在你赶去上班的途中，你又碰到了几件诸如交通阻塞等偶然事件，在烦躁的心境下，这些事件使你愤怒。到了公司后，这种愤怒心境使你和上司吵了一架。这次吵架又使得自己认为会葬送本该到来的升迁机会，于是你的心境转变为悲伤（一个新的敏感化的初始状态）。这天还发生了一些其他事件：复印机坏了、老板又给你安排一件棘手的任务、一个同事被降职了等。悲伤的心境使得这些事件诱发出悲伤的情绪。这时，你的一个友好的同事注意到了你的糟糕的心境，于是他给你发了一个有趣的电子邮件，这也许使你的心境转变成快乐。后来你又看了一次那个邮件，你笑了。这样的快乐反馈到系统，并促使你重新调整系统。当那天即将结束的时候，这种快乐的心境又增强了，因为又有几件事情让你觉得高兴（下班后和几个好友一起喝啤酒，又到了自己喜欢看的电视连续剧开播的时间了）。从这个例子可以看出，人类的情绪具有动态变化的特点，并且依赖于系统的初始状态。而这些特点正符合非线性动态系统的特点。