Las emociones pueden ser entendidas como respuestas automáticas de diferentes sistemas biológicos del cuerpo humano ante un determinado estímulo interno o externo. A partir de diferentes estudios, se han propuesto esquemas de clasificación de emociones, siendo los más comúnmente utilizados los espacios discretos, donde a cada emoción se le asigna una determinada etiqueta y espacios dimensionales en los cuáles una emoción se determina como una combinación de dos índices que están relacionados con una interpretación, medición y cuantificación más precisa de las emociones. Basado en un determinado espacio de clasificación, se ha buscado a través del desarrollo de diferentes trabajos de investigación, darle la capacidad a una máquina para detectar y reconocer las emociones del ser humano, teniendo en cuenta que entender y diferenciar las emociones expresadas por las personas es una tarea compleja aún hasta para los mismos seres humanos. Debido a que las emociones producen respuestas de diferentes sistemas biológicos del cuerpo humano, es intuitivo pensar en el desarrollo de sistemas que incorporen la información de dichos sistemas biológicos para realizar un reconocimiento efectivo de las emociones. El enfoque multimodal para el reconocimiento de emociones comprende entonces aquellas metodologías que combinan características de diferentes señales obtenidas del cuerpo humano ante un determinado estímulo que causa un estado emocional específico. Las señales que se utilizan comúnmente en el desarrollo de sistemas multimodales son las información de video, de audio, a partir del Electroencefalograma (EEG) y diversas señales fisiológicas como el ritmo cardiaco, la respuesta galvánica de la piel, la señal respiratoria y la de temperatura.En el presente trabajo, se propone una metodología de selección de características dentro de un enfoque multimodal de clasificación de estados emocionales en un espacio dimensional, a partir de modelos discriminativos, mediante la implementación de dos algoritmos de selección conocidos como Eliminación Recursiva de Características (RFE) y Eliminación de características basado en la Maximización del Margen (MFE). Con estos métodos de selección se busca reducir un conjunto original de características a partir de los análisis de la linealidad y no linealidad de las diferentes señales. El análisis no lineal está basado en ciertas métricas obtenidas a partir de una técnica conocida como gráficos de recurrencia que ha conseguido dentro del estado del arte mejorar los resultados de clasificación. Se utilizan dos bases de datos reconocidas dentro del estado del arte para la extracción y selección de características dentro del esquema propuesto.Emotions can be understood as automatic responses from different biological systems of the human body to a particular internal or external stimulus. From different studies, there have been proposed emotions classification schemes as the discrete space, where every emotion is assigned a particular tag and dimensional spaces in which an emotion is determined as a combination of two indices which are related to a more accurate measurement and quantification of emotions. Based on a given classification space there has been developed different research projects in order to gave a machine the ability to detect and recognize the emotions of humans, considering that understand and differentiate the emotions expressed by people is still a complex task even for human beings themselves. Because emotions produce different biological responses of the human body, it is intuitive to think of the development of systems that incorporate biological information from these systems to make effective recognition of emotions. The multimodal approach for emotion recognition then comprises those methodologies that combine characteristics of different signals obtained from the human body to a given stimulus that causes a specific emotional state. The signals that are commonly used in the development of multimodal systems are the video information, the audio signal, the electroencephalogram (EEG) and various physiological signals such as heart rate, galvanic skin response , the respiratory signal and the temperature. In this paper we propose a feature selection methodology within a multimodal approach for the classification of emotional states in a dimensional space, based on discriminative models by implementing two selection algorithms known as Recursive Feature Elimination (RFE) and margin-maximizing feature elimination (MFE). With these approaches for feature reduce the original set of features is reduced from the analysis of the linearity and nonlinearity of the different signals. Nonlinear analysis is based on certain metrics obtained from a technique known as recurrence plots (RP) that have showed to improve the classification results in some state of art works. We use two databases recognized within the state of the art for the extraction and selection of features within the proposed scheme.