人脸识别是模式识别中的一个应用领域，在当今生活和工作中有着重要作用。如何快速有效对人脸图像进行识别是当今的一个研究热点。随着支撑向量机理论的发展和应用，核函数受到了越来越多的关注。核函数具有其自身的优点，不仅可以避免复杂的映射函数的设计，而且可以简化映射空间中的运算。最近，已经提出了几种有效的核方法，包括核Fisher判别方法，核主成分分析方法，核最小平方误差方法等。将核方法用到一些分类问题中，可以取得较好的识别结果。但是，当数据的结构比较复杂，分布不平坦等问题时，使用单个核函数来对所有的数据进行处理得到的结果差别很大。因此，提出了将多个核函数进行组合的方法，即多核学习方法。　　多核学习方法是将多个核函数以某种形式进行组合，得到一个合成核，然后再将该合成核用到分类器中，进行分类等问题。在本论文中，将多种多核组合方法结合已经提出的图核包括直方图交核，直方图交核变式，卷积树核，基于最小生成树的回路核，基于最大生成树的回路核，组合得到合成核，将合成核用到支撑向量机中对人脸进行识别，得到识别准确率。大多数的多核组合的方法是给每一个核矩阵分配一个权系数，没有用到核矩阵中元素的信息，本论文中提出了一种将概率矩阵用到组合多核的方法，利用核矩阵中元素信息得到概率矩阵，利用概率矩阵为核矩阵中的每个元素分配不同的权系数，从而得到合成核。　　本文的创新点主要体现在以下2个方面:　　(1)以往对人脸识别是采用单个核函数进行的，在本论文中研究了多种组合多核的方法，并结合已经提出的图核，包括直方图交核，直方图交核变式，卷积树核，基于最小生成树的回路核，基于最大生成树的回路核，组合不同的图核，采用不同的组合方法，将得到的合成核用到人脸识别中。　　(2)针对组合多核时，为每个核矩阵分配权系数的方法，本论文中提出了将概率矩阵用到组合多核的方法中，对核矩阵中的每个元素分配不同的系数，对不同的相似性进行不同程度的放大或缩小，并将该方法用到人脸识别中。实验结果显示该方法可以取得较好的识别结果　　实验结果显示本论文中提出将多个核函数进行组合用到人脸识别中，得到的实验结果比单核的实验结果好。