支持向量机(Support Vector Machine, SVM)是机器学习领域中非常重要的一种线性分类器， 借助于核方法，SVM能够实现对非线性样本的有效分类。但是不同类别的核函数具有各自不同的特性， 对于SVM分类的准确率也具有很大的影响。为了能够结合不同核函数的优势， 本文采用了对不同核函数进行融合的方式来设计多核SVM分类器， 并在ORL与AR人脸识别数据集上采用局部三值模式(Local Ternary Pattern, LTP)作为特征描述子进行了验证。实验结果表明， 多核SVM比使用普通核函数的SVM具有更优的分类准确率。