El reconocimiento de emociones basado en EEG puede ayudar a lograr una interacción más natural entre humanos y computadoras, pero la no estacionariedad temporal de las señales de EEG afecta la robustez de los modelos de reconocimiento de emociones basados en EEG. La mayoría de los estudios existentes utilizan los datos emocionales de EEG recopilados en el mismo ensayo para entrenar y probar los modelos, una vez que este tipo de modelo se aplica a los datos recopilados en diferentes momentos del mismo sujeto, su precisión de reconocimiento disminuirá significativamente. Para abordar el problema del reconocimiento de emociones basado en EEG entre días, este documento ha construido una base de datos de señales emocionales de EEG recopiladas durante seis días para cada sujeto utilizando el Sistema de Video Afectivo Chino y materiales de estímulos de biblioteca de videos autoconstruidos, y la base de datos es la mayor cantidad de días recopilados para un solo sujeto hasta ahora. Para estudiar los patrones neuronales de emociones basados en señales de EEG entre días, la topografía cerebral ha sido analizada en este documento, lo que muestra que hay un patrón neural estable de emociones entre días. Luego, se utiliza el algoritmo de Análisis de Componentes de Transferencia (TCA) para determinar de manera adaptativa la dimensionalidad óptima de la transformación de TCA y emparejar dominios de las mejores características de movimiento correlacionadas en múltiples dominios de tiempo utilizando señales de EEG de diferentes momentos (días). Los resultados experimentales muestran que la estrategia de adaptación de dominio basada en TCA puede mejorar de manera efectiva la precisión del reconocimiento de emociones entre días en un 3,55% y 2,34%, respectivamente, en la clasificación de emociones de alegría-tristeza y alegría-enojo. El modelo de reconocimiento de emociones y la topografía cerebral en este documento verifican que la base de datos puede proporcionar una base de datos confiable para el reconocimiento de emociones en diferentes dominios de tiempo. Esta base de datos de EEG estará abierta a más investigadores para promover la aplicación práctica del reconocimiento de emociones.