近年来，情感交互成为了人工智能研究方向的新热点,情感交互能深化并扩展人工智能领域。在情感交互中，情感模型的建立是第一步。建立可信的情感模型,对于情感计算是很有必要的。本文主要研究情感概率模型HMM的建模过程以及在情感迁移上的应用，原始HMM模型存在较为严重的溢出问题，并且不能体现刺激对情绪影响的性质，所以本文的研究目标是对HMM模型进行改进，并研究改进后的模型在情感迁移上的应用。本文针对研究目标做了以下工作： 1. 针对HMM模型在多序列输入时存在的严重上溢下溢问题，根据Lawrence在[28]提出的方法将前向向量和后向向量用scale定标，对Baum_welch算法和前向后向算法进行扩展，采用新算法解决溢出问题。通过普通场景和课题场景的实验验证了算法的有效性。 2. 针对HMM的情感模型没能考虑刺激对情感影响的性质，在原始HMM模型基础上，搭建了考虑刺激对情绪影响性质的情感迁移模型，模拟现实生活中的情感迁移过程。基于Ekman模型我们构建了普通场景下的情绪集和表情集，将所有刺激分类成有害刺激、没有明显影响的刺激、有利刺激，通过普通场景验证了情感迁移模型的有效性。