具有吸引力的面孔会引发人们积极愉悦的情感体验,这种由面孔唤起的情感体验被定义为面孔吸引力。面孔吸引力在一定程度上驱使人们产生接近目标人物的想法,会带来很多积极的社会反应,在交友、择偶、合作以及就业等社交场合中能够获得更多的关注。目前关于面孔吸引力的研究大多停留在寻找诱发面孔吸引力的原因以及探索面孔吸引力的脑机制方面,缺乏对产生面孔吸引力情绪状态时生理信号变化上的研究。生理信号能够更加真实、准确地反映人类情感的变化,通过生理信号的改变能获悉他人对自身的吸引力大小,会更加有益于未来的交友、择偶等社交关系的发展。因此,该论文采用了广泛应用的生理信号——心电和肌电信号,研究某人是否产生面孔吸引力。论文主要从诱发面孔吸引力的实验范式设计、肌电信号和心电信号的获取与预处理、特征数据的处理以及面孔吸引力分类识别等方面进行了研究。其主要研究内容与结论如下:1、建立了基于心电信号和肌电信号的面孔吸引力数据库。为了探究面孔吸引力在生理上的反应模式,论文设计了面孔吸引力诱发实验范式,通过看图片的方式成功地唤起了46名身心健康的大学生（24名女生,22名男生）的情感状态,使用MP150生理信号记录仪获取了他们在该情绪状态下的心电信号和肌电信号,之后对采集的信号进行预处理、特征提取和异常值处理,建立生理数据库,为后续面孔吸引力的识别研究奠定基础。2、提出了基于心电信号（ECG）的面孔吸引力分类识别方法。将进行预处理和归一化后的特征利用随机森林（RF）、Ada Boost、RF结合序列浮动前向选择算法（RF+SFFS）、Ada Boost结合SFFS算法（Ada Boost+SFFS）和极限学习机（ELM）进行分类识别。实验结果表明,基于心电信号的面孔吸引力在RF+SFFS上获得了最佳的分类正确率为70.17%,在Ada Boost+SFFS上的分类正确率为64.97%,而在RF和Ada Boost的分类正确率分别为67.44%和61.43%。使用特征选择SFFS算法后,分类器RF和Ada Boost的分类正确率分别提升2.73%和3.54%。此外,基于心电信号的面孔吸引力状态在ELM上的分类正确率为69.04%,说明ELM可以有效对基于心电信号的面孔吸引力进行分类识别。3、提出了基于肌电信号（EMG）的面孔吸引力分类识别方法。实验结果显示,基于肌电信号的面孔吸引力在Ada Boost+SFFS上取得了最好的分类正确率为65.4%,在RF+SFFFS上的分类正确率为58.78%,而在RF和Ada Boost的分类正确率分别为58.92%和59.62%。使用特征选择SFFS算法后,分类器Ada Boost的分类正确率提了5.78%,分类器RF的分类正确率基本无变化。此外,基于肌电信号的面孔吸引力状态在ELM上的分类正确率为65.05%,表明ELM可以有效地分类识别基于肌电信号的面孔吸引力状态。4、在上述方法2和3的基础上,提出了基于心电信号与肌电信号融合（ECG+EMG）特征的面孔吸引力识别模型。实验结果表明,两类融合特征用于模型的识别,能增强分类器RF、Ada Boost和ELM对面孔吸引力状态的分类识别效果,最高分类正确率为72.96%。该结果证明多种信号融合后可补充更多的有用信息,有利于面孔吸引力状态的分类识别。论文的研究结果表明ECG、EMG和ECG+EMG都可以识别出面孔吸引力状态,其中ECG、ECG+EMG的面孔吸引力分类识别的效果好于EMG。因此,通过心电和肌电信号提供的生理信息,人们可以判断相互之间是否产生面孔吸引力,有利于人际关系的友好发展。