生物识别技术是利用人体自身的生理特征或行为特征，通过计算机来识别授权人身份的一种有效的识别方法。虹膜具有类似指纹的独一无二的个人特征；而且，虹膜是身体中公开的部位，易于通过机器视觉进行远程检查，所以它是一种非侵犯性的生物识别技术。本论文包括两大部分，第一部分对整个虹膜识别系统进行了研究，第二部分对以统计学习理论为基础的支持向量机分类算法进行了研究。 基于虹膜识别的身份鉴别系统包括虹膜图像摄取、图像预处理、特征提取和图像分类四个部分。课题采用的虹膜图像是由中科院自动化所提供的小型虹膜图像数据库，图像的预处理采用改进的Hough变换方法来定位虹膜内外边缘，特征提取采用Gabor小波滤波器来进行图像纹理特征分析，采用方差倒数加权欧氏距离分类器对图像进行分类。与现有的其它虹膜识别系统相比，该系统利用了二维虹膜图像丰富的纹理信息，图像处理过程具有旋转、平移和尺度不变性。 第二部分介绍了统计学习理论中最年轻的分支-支持向量机的目前常用的分类训练算法，比较了各自的优缺点。着重介绍SMO算法原理并对该算法进行了改进，最后给出的实验结果，说明改进后的算法优于原始的SMO算法，对于SVM的进一步推广应用有一定的推动作用。