已有研究表明，人格評估可以通過構建基于腦電信號的回歸模型實現。已有研究大多使用事件相關電位或功率譜密度特征進行人格評估，所表示的大腦信息局限于單個區域，但有研究發現認知功能更多依賴于腦區間的相互作用。此外，腦電特征可能存在被試間分布差異，會導致訓練得到的回歸模型在跨被試人格評估中難以取得準確結果。為了獲得更精準的跨被試人格評估結果，本研究提出一種結合腦電功能連接特征和領域自適應技術的人格評估方法。本研究收集了45名正常人在不同情緒圖片（正、中、負）刺激下的腦電信號，首先計算59個電極間在5個頻段上的相干性作為原始特征集。然后使用基于特征的領域自適應方法將相干特征映射至新的特征空間，在新的特征空間里減小訓練集和測試集的分布差異，從而減小被試間差異性。最后采用留一法交叉驗證的方式，使用轉換后的特征集對支持向量回歸模型進行訓練和測試。實驗結果顯示，相比已有研究使用的方法，本文提出的方法提高了回歸模型性能，能得到更好的人格評估結果。本研究為人格評估提供了一種新的測量方法和手段。