生物特征识别技术在信息化高度发展的当今社会中为身份识别提供了有效的途径，受到越来越多研究者的关注。基于多生物特征融合的身份识别方法相比单特征识别具有以下特点：1）更强的可靠性，可以提高系统性能和容错能力，减少噪声；2）更广的适用性，弥补了单特征对某些人不适用的缺点；3）更强的安全性等，具有非常广阔的应用前景。支持向量机是基于统计学习理论最优化方法用以机器学习的新工具，具有解决高维数、非线性、小样本的能力，已被广泛应用于生物信息、人工智能等领域。将支持向量机用于生物特征身份识别，具有非常重要的意义。本论文的目的研究支持向量机对多生物特征融合身份识别的有效性，修正的高斯核函数对生物特征识别的更优性及多生物特征融合对身份识别的实用性。本文主要工作是：1.针对采集的原始人脸图像、指纹图像和虹膜图像的不足，分别进行处理，消除噪声并进行特征提取，将支持向量机用于决策层构建分类器，对提取的特征进行训练和测试。实验验证了该方法可行性，具有较高的识别率。2.研究了一种改进高斯函数的核函数，选择合适的参数来提高高斯核的学习能力和分类能力，证明了它的合法性。并将改进的高斯核函数用于生物特征识别实验，与径向基核函数对比，性能得到改善。3.研究将三种单特征识别在决策层进行融合的方法。分别进行两两融合和全部融合，并将三种不同的生物特征数据库进行模拟对应，建立了一个多特征的数据库。实验验证了多特征融合身份认证的实用性、有效性和良好的扩展性。