人脸识别研究是模式识别领域的热点和难点问题，其识别过程中存在着准确率低、算法复杂、鲁棒性差等问题。非线性子空间方法的出现和盲信号处理技术的发展，使得人脸识别研究进入了新阶段。本文针对人脸识别自身的特点，将核方法和盲信号处理相结合，提出一种基于核独立分量分析(KICA)和支持向量机(SVM)的人脸识别新方法，并进行了详细的实验仿真。主要工作和内容如下： 1.首先阐述了核方法的概念、性质和核函数的构造准则。 2.其次分析了人脸识别中主分量分析(PCA)、独立分量分析(ICA)、核独立分量分析(KICA)这几种特征提取方法的原理。 3.接着研究了支持向量机的原理和算法，讨论了支持向量机的四种常用核函数的适用范围和核函数参数的选择，对四种核函数在人脸识别中的分类特性进行了对比分析，并在此基础上给出了一种用于人脸识别的新核函数。 4.最后提出了基于KICA和SVM的人脸识别新方法，进行了详细的仿真试验，并将这个仿真试验的结果与其他方法的识别结果进行了比较，表明其性能优越，识别率可达98％。