模式分类的绝大多数问题都是线性不可分的，而核方法具有将线性不可分的数据变换为线性可分的优越性能，还可以有效避免维数灾难。核方法作为一种非线性方法，对于非线性模式分类问题，具有坚实的理论支撑和强大的应用潜力。人脸识别是一个典型的非线性分类问题，核方法在基于向量表示的人脸识别中得到了广泛的应用。 本书从理论和应用两方面对核方法及其优化进行阐述，着重介绍了作者在核方法及人脸识别领域中的研究成果。全书共6章，主要内容包括：核方法的理论基础，支持向量机的样本约简与核聚类方法，可变光照条件下人脸图像识别的最优核学习，以及多重核线性判别分析及其权值优化。 本书既可作为计算机科学与技术、信息技术、自动化等专业的科研用书，也合适模式识别、机器学习、计算机视觉、图像处理等领域的科研和技术人员参考使用。