随着计算机科学和互联网技术的飞速发展,生物识别技术在我们的社会生活中得到了广泛的应用,如指纹识别,人脸识别等。由于人脸识别具有强制性,接触性等,并且,作为一种生物识别技术,人脸识别方法很快成为一个重要的研究领域。人脸识别是模式识别中的热门话题。因为其便利性,人脸识别被广泛的应用于有较高安全要求的认证,检测和调查中。人脸识别算法从最初的简单条件下的识别发展到多因素复杂条件下的识别。复杂条件下的人脸识别要考虑光线,面部旋转,面部遮挡,噪声污染,肤色和种族因素等多种因素。因此,复杂条件下的人脸识别仍然是人脸识别领域的难题。本文研究了生物特征数据分类的问题。使用支持向量机算法对生物特征数据分类己经被广泛使用,但识别需要很长时间。为了减少算法运行时间,通常采用降维。在将数据导入分类算法之前,先对数据做降维的预处理。过去,许多研究人员已经提出了使用降维技术对生物特征数据进行分类的各种技术,并且大多数技术已用于人脸图像数据分类。准确率是衡量模型性能最重要的指标。对几种生物特征数据降维处理后进行分类,然后比较分类时间。但是,这样处理很复杂,所以,这种研究方法很少用。因此,在本文中对使用支持向量机算法识别生物特征的做了改进,提出了生物识别支持向量机算法,称为Bio-SVM算法。主要目标是提高效率并缩短数据分类的时间。我们应用线性判别分析(LDA)作为降维技术。然后,我们使用LDA与使用线性核函数的支持向量机算法进行生物图像识别,并使用了多项式核函数的支持向量机算法对行为生物图像识别。然后使用Python语言实现了实验。该研究使用准确度和时间作为评估生物特征数据分类性能的度量。