随着支撑向量机的成功应用,古老的核方法作为其重要组成部分,重新引起了众多研究者的重视,并广泛地应用于模式识别,图像处理,机器学习等诸多领域。随着核方法研究的深入,人们发现,使用了单一且固定核函数的传统核分类算法不能有效地适应复杂多变的数据集合,从而导致分类效果欠佳。针对传统核分类算法使用单一且固定核函数的不足,本文提出了一种基于双核最优复合的核分类算法(Optimal Double-Kernel Combination method ODKC)。ODKC算法复合了两个基本核函数,这样可以综合不同核的特性,很好的适应复杂多变的数据集合,提高分类准确率。具体工作如下:(1)为了寻求核函数的最优复合,设计了一种准则函数。该准则函数的最优化问题可以方便的转化为一个广义特征值问题,从而使算法具备了非迭代和低复杂度的特性。(2)本文利用双核复合的方法构造了用于分类任务的目标核函数。首先,利用两个基本核函数,将相同的输入数据集分别映射到两个不同的特征空间中去。然后,通过融合这两个特征空间的属性信息构建目标核函数。本文研究了双核复合的三种方式及其对分类效果的影响,并把这三种复合方式纳入到了统一的框架下讨论。在该框架下,可以方便的讨论和比较各种核函数复合方式的性能。(3)采用了核函数与数据集匹配程度的度量(alignment measure)和分类准确率两种指标,在五种数据集合上进行了实验,实验结果表明了本文所提算法的有效性。