人脸美学分析已经成为了一个新兴的研究课题并受到了越来越多的关注。人们渴望美、追求美,现实生活中的美无处不在并不可回避地对人们产生了很大的影响。因此,人脸美学的研究成为了一项有意义、有挑战的工作。本文针对人脸美丽分数计算这一新课题,从机器学习的角度来探索人脸美,研究几何特征对人脸美丽程度的贡献,在几何特征的基础上预测人脸的美丽分数。本文对表征人脸几何特征的方法、人脸美丽分数的预测模型等问题开展了相关的研究,主要工作包括：1)验证“人脸美丽度的可量化性”这一假设的正确性。人脸美丽程度判断经历了从主观感知到科学计算的漫长过程。本文首先说明计算机已具备像人类一样客观地预测人脸美丽分数的能力。这个过程需要人脸的可量化描述和合适的机器学习回归模型,实验结果证实人脸美丽度是可以量化的。2)分析人脸的几何特征。对人脸美这一抽象的概念进行可量化的特征表达,基于三庭五眼标准及黄金比例规则,综合考虑人脸的距离特征、大小特征和位置特征,提出了三种表征中国人脸美丽的几何特征：18维距离特征、基于AAM算法的68个特征点及三角形面积特征,期望更加完整、准确地表征人脸的几何特征,从而提高美丽分数预测性能。考虑到几何特征的维数高,本文采用基于互信息和遗传算法的组合式特征选择算法对几何特征进行有效的特征选择,从而降低特征维数。3)构建人脸美丽分数计算的回归模型。利用机器学习方法构建合理的回归模型。本文分析了5种机器学习方法来预测人脸几何美丽分数,包括：K近邻回归模型、支持向量回归模型、多层感知器神经网络模型、高斯过程回归模型和基于Hessian能量的半监督回归模型；并定义三种验证系数：Pearson相关系数、平均绝对值误差和均方误差,用以衡量五种回归模型的预测性能。4)验证了人脸几何美丽分数与表情之间的关系。人脸在不同的表情下其几何美丽分数会不会发生变化?如果会,有没有什么规律?针对这些问题本文展开了研究。实验结果表明：人在高兴时候的几何美丽分数相对较高,而在生气时候的美丽分数相对较低。