笔迹鉴别是一个模式识别问题，它基于笔迹风格这项生物特征来对书写者的身份进行辨别。由于手写笔迹具有普遍性、易获得性及非侵犯性等优点，所以在各级考试、财务票据、法庭举证等诸多领域得到了广泛应用。　　Gabor滤波器具有多条通道而且能够进行多分辨率分析，和哺乳动物的视觉感知模式相似。通过Gabor变换获得的笔迹特征不仅能够反映笔划的方向、笔划结构局域性等空间方面的特征，而且能够很好地对笔划与噪声干扰进行区分，这使得Gabor滤波器在笔迹鉴别领域得到越来越多研究者的关注。Gabor滤波器的参数设计是一个复杂的问题，直接影响笔迹鉴别的效率和最后的分类识别率。但是直到目前，还没有效果很好的针对Gabor滤波器的参数优化方法。本文的主要工作是利用人工蜂群算法(Artificial Bee Colony，ABC)对Gabor滤波器参数进行优化设计，并将其应用到笔迹鉴别中。　　首先，通过实验验证了多通道Gabor滤波器在笔迹特征提取中的优越性。对经过预处理的笔迹图像，分别提取Gabor变换的均值和方差特征、小波变化的系数特征、9种不变矩特征及灰度共生矩阵的4种参数（能量、熵、相关性、惯性矩）特征，通过KNN分类器进行分类验证，结果证明Gabor特征的分类识别率最高。　　其次，基于线性判别分析方法的类内距离和类间距离的比建立人工蜂群算法的适应度函数，利用人工蜂群算法对Gabor滤波器中的参数?进行优化选择。　　通过笔迹鉴别的相关实验得到该方法的有效性。在相对广阔的范围内为?选择多个不同值分别提取样本的Gabor特征，与经人工蜂群优选的Gabor特征一起分别采用KNN、贝叶斯和支持向量机分类器进行分类验证，实验结果证明经过人工蜂群算法优化的Gabor特征的分类结果最佳。除此之外，为了证明人工蜂群算法能够解决局部最优、效率低等难题，分别利用小生境遗传算法和Fisher Cost评估函数对Gabor滤波器的参数进行优化选择，并对三种优化算法的优化结果利用支持向量机分类器进行分类验证，实验结果证明人工蜂群算法所耗时间最短，分类正确率最高。