近年来,日趋激烈的社会竞争、不断加快的生活节奏以及逐步发生改变了的现代人饮食结构,这些因素的影响使得人们开始承受越来越多的压力,处于亚健康状态的人群比重逐年上升,这些都严重影响了现代人的生活质量和精神状态。经研究表明,亚健康与多数慢性疾病的发展有着紧密的联系,因此如何尽早发现并治疗亚健康,对于其他慢性疾病的预防、人民物质生活及身心健康水平的提高有着重要的意义。本论文探讨了目前几类常见的亚健康状态诊断的方法存在的不足之处,以脉搏、心电、皮肤电信号等生理信号作为研究对象,围绕优化特征提取算法和支持向量机分类器的设计展开工作,提出一种新的亚健康诊断方法。本文的主要创新之处有两点,首先,目前根据量化参数进行健康诊断的方法中,大多数只是采集了被试者的各类生理信号作为评估参数,而忽略了心理健康的影响,虽然心理状态也会影响心电、脉搏信号的外在表现,但目前在大多数的情绪测量实验中,多数研究者还是会选择皮肤电信号作为指标,因此本文在以心电信号和脉搏信号作为评估参数的基础上,引入了重点标识被试者心理状态的皮肤电信号作为评估依据,更加全面的分析了被试者的健康状态,使检测结果更具有准确性和全面性;其次,将基于特征量后验分类率的权重因子引入线性判别法,改善了传统Fisher线性判别法中存在的过分强调后验分类率较高的特征量对于投影向量方向的影响从而可能导致的特征不明显的边缘样本分类性能降低的问题,与传统的Fisher线性判别法相比,优化后的算法不仅降低了样本类内离散度并提高支持向量机(SVM)分类器的分类性能。最终,本文以采集到的67位志愿者的三类生物信息作为实验数据,分别使用优化后的线性判别法和传统Fisher线性判别法以及主成分分析法对从三类生物信息中提取出的34个特征值进行处理并进行了状态诊断,得到的结果表明,使用优化的线性判别法处理过的数据的分类精度更高,证实了该算法的有效性和可行性。