本文以形态统计学(Morphometrics)中的地标(Landmark)技术为基础，在现有的昆虫标本以及试验条件下，探索了一种借助显微拍照与MATLAB程序半自动测量相结合的昆虫翅面特征提取方法，这一方法在一定程度上实现了昆虫特征提取的智能化和数字化。同时将模式识别以及多元统计分析中的一些分类方法成功的应用于昆虫分类领域。在应用传统方法的同时将可拓学思想与传统方法相结合，改进了已有的可拓聚类算法，以及基于最小化正乘子的线性规划支持向量机方法。 本文的主要研究工作如下： 1.对目前的昆虫分类研究方法，特别是数值分类方法做了简单综述，同时对形态统计学、聚类分析以及机器学习等文内涉及的数学方法做了简要的综述。 2.实现了瘤蝽翅脉节点Landmark(地标)数据的半自动获取，实践了基于计算机的昆虫翅面特征分析，完成了一次从人工主观分析到机器半自动化的尝试。 3.改进并实现了可拓聚类算法，并将其应用到本文的分类问题，取得了比较理想的效果。 4.基于最小化正乘子策略，在已有的线性规划支持向量机基础上，引入了由可拓关联函数构成的可拓因子，实现了可拓支持向量机。该方法在一定程度上提高了支持向量机的泛化能力，将其应用到本文数据取得了比较好的分类预测效果。在与同样有监督学习算法的线性Fisher判别法进行比较中发现，其结果优于Fisher判别。 本文比较成功地将多元统计分析和机器学习理论应用到半翅目昆虫的分类领域，此项工作目前尚未见有报道。