社会经济的高速发展显著改善了人们的物质生活水平,却也带来了更加快节奏的生活方式。生活节奏的加快压缩了适婚个体可以用于寻找心仪伴侣的时间,而寻找心仪伴侣本身又是一项非常耗时且极具挑战性的任务。因此,快节奏的生活方式无形中增加了适婚个体找到心仪伴侣的难度,降低了适婚个体进入婚姻的意愿,进而降低了适婚青年群体的结婚率。互联网时代的到来,为这一问题的解决带来了新的思路和方法。随着互联网时代的到来,越来越多的适婚个体开始借助便捷的互联网婚介平台和移动交友软件寻找心仪的伴侣。在网络平台上,适婚个体可以获得的关于潜在浪漫伴侣的信息非常有限,因此适婚个体通常仅根据第一印象或者浪漫吸引力就做出是否想要与某个潜在浪漫伴侣进一步互动或者发展浪漫关系的主观决定。在此背景下,浪漫吸引力在人类择偶过程中所发挥的作用变得愈发重要。然而,到目前为止人们对浪漫吸引力的神经生理活动知之甚少,也尚未有研究基于脑电（Electroencephalogram,EEG）信号识别个体对潜在浪漫伴侣的偏好状态。基于EEG信号研究被试产生浪漫吸引力时的神经生理反应,不仅可以为理解择偶偏好背后的潜意识过程提供有效的窗口,还可以为获取客观有效的识别浪漫吸引力的神经生理特征提供有效的参考。本论文的主要目的是基于EEG信号探究与浪漫吸引力产生密切相关的神经生理活动,并基于浪漫吸引力脑机制研究发现的规律提取能够表征适婚个体产生浪漫吸引力的神经生理指标,用于识别适婚个体对潜在浪漫伴侣的偏好状态,从而辅助提高互联网婚介平台和移动交友软件所使用的婚配算法的有效性,助力适婚个体找到心仪的伴侣。在本研究中,首先模拟搭建了一个类似移动交友软件的择偶平台,并要求被试模拟使用该平台选择心仪的伴侣。当参与者在该模拟平台上评估他们对潜在伴侣的浪漫吸引力时,他们的EEG信号和行为数据被实时记录下来。其次,从时域、源域以及时频域等多个维度系统性的分析了与浪漫吸引力产生密切相关的神经生理活动。再者,基于浪漫吸引力脑机制研究发现的规律从EEG信号中提取了与浪漫吸引力产生相关联的神经生理指标,用于考察基于从EEG信号中提取的神经生理指标识别个体择偶意愿的可行性。最后,面向便携式人机交互系统,探究如何在分类准确率的约束下找到最有效的EEG特征和电极,从而降低特征空间和导联空间的维度,优化基于EEG的浪漫吸引力识别系统的便捷性和实用性。论文的主要研究工作和创新点如下:1.构建了浪漫吸引力数据集（Romantic Attraction Database,RAD）。如何诱发浪漫吸引力并获取足够的EEG数据是一个重要且较难的问题。针对EEG研究对数据量要求较高,但浪漫吸引力诱发率极低、且目前缺乏有效增加浪漫吸引力诱发次数的实验范式等问题,本文提出了“通过增加高吸引力刺激材料占比从而提高浪漫吸引力平均诱发率”、以及“通过设计新的模拟择偶实验范式灵活增加刺激数量,从而提高浪漫吸引力诱发次数”的解决方案,成功诱发了浪漫吸引力、收集了足够数量的EEG数据,最终构建了研究所需的浪漫吸引力数据集RAD。2.基于EEG信号探讨了浪漫吸引力的脑机制。将浪漫吸引力这一感兴趣的情感状态与所需使用的EEG信号关联起来,是基于EEG的浪漫吸引力识别研究中非常关键的一个方面,但是目前学术界尚不清楚浪漫吸引力的EEG活动规律。针对这一问题,论文基于模拟择偶实验构建的RAD数据集,分别从时域、源域以及时频域这三个维度进行了系统性的分析,发现了与浪漫吸引力产生密切相关的EEG活动规律。研究首次发现,相对于未产生浪漫吸引力的情况而言,浪漫吸引力的产生会导致:（1）P300和晚期正电位（Late Positive Potential,LPP）这两种事件相关电位（Event-Related Potential,ERP）组成成分的振幅显著增强。其中,P300成分的振幅增强是由脑岛以及扣带皮层的神经生理活动增强引起的,而LPP成分的振幅增强是由眶额叶皮层、背外侧前额叶皮层、扣带皮层、额叶眼动区、视觉皮层以及脑岛的神经生理活动增强引起的;（2）alpha频带（8-13赫兹）和beta频带（14-20赫兹）的事件相关去同步化（Event-Related De-synchronization,ERD）现象增强,且这一效应主要出现在额顶区域以及枕外侧复合体区域。3.构建了浪漫吸引力的识别模型。针对目前尚不清楚是否可以基于从EEG信号中提取的信息识别被试对潜在浪漫伴侣的偏好状态这一问题,本文提出了具体的解决方案。该方案首先使用小波变换将预处理后的EEG信号分解为不同频带的功率相关的特征;然后,采用所提出的嵌套十折交叉验证体系结构（Nested Ten-fold Cross Validation Architecture,T-NCVA）模型进行特征选择、模型训练;最后,在模拟择偶实验中构建的RAD数据集上评估了模型的分类性能。十折交叉验证的结果表明,在使用主要由alpha、beta和theta（21-30赫兹）频带的半球不对称指数（Asymmetry Score,AS）特征组成的特征向量时,平均识别准确率最高可达85.28%。这一结果证明了基于EEG信号识别浪漫吸引力的可行性。4.研究了浪漫吸引力识别模型的优化问题。降低特征空间和所需使用的电极数量,可以提高基于EEG的浪漫吸引力识别系统的便捷性和实用性。为此,本论文提出了一种基于频率的特征子集重构算法（Frequency Based Feature Subset Reconstruction Algorithm,F-FSRA）来降低特征空间和导联空间的维度,并将该算法重构的特征子集应用到浪漫吸引力识别中,从而实现优化浪漫吸引力识别模型的目的。该模型首先按照被试划分数据集,并使用递归特征消除（Recursive Feature Elimination,RFE）算法在每种数据分割方案下生成中间特征子集;其次,将中间特征子集向量化,并构建中间特征矩阵;然后,基于中间特征矩阵计算特征的权重,并根据特征权重性生成一系列新的特征子集;最后,基于新生成的特征子集计算分类准确率,并在分类准确率的约束下降低特征空间的维度和所需使用的电极的数量。实验结果表明,所提出的F-FSRA算法能够在降低特征空间和导联空间维数的情况下,提高分类准确率。当使用主要来自于额叶和顶叶的最佳特征子集时,平均分类精度最高可达88.09%。证明了所提出的F-FSRA算法在优化浪漫吸引力识别模型方面的有效性。综上所述,论文首先通过增加高吸引力刺激材料占比以及提出新实验范式等方法,诱发了浪漫吸引力这一感兴趣的情感状态并建立了RAD数据集。然后,以浪漫吸引力的脑机制研究为切入点,系统性的分析了浪漫吸引力的EEG活动规律,并以此为依据提取有效特征验证了基于EEG信号识别浪漫吸引力的可行性。最后,从降低特征空间维数和减少所需使用的电极的数量入手,通过改进特征选择算法优化了浪漫吸引力识别模型。论文的研究成果不仅有助于人们了解择偶偏好背后的潜意识过程,也为基于EEG信号评估和预测适婚个体的择偶偏好状态提供了证据支持。相信在不久的将来,基于EEG信号的择偶偏好识别系统将被应用于在线或离线择偶场景当中,助力适婚个人找到心仪的伴侣。