针对支持向量机(SVM) 核参数选择困难的问题, 提出一种基于Fisher 准则和最大熵原理的SVM核参数优选方法. 首先, 从SVM分类器原理出发, 提出SVM核参数优劣的衡量标准; 然后, 根据此标准利用Fisher 准则来优选SVM核参数, 并引入最大熵原理进一步调整算法的优选性能. 整个模型采用粒子群优化算法(PSO) 进行参数寻优. UCI 标准数据集实验表明了所提方法具有良好的参数选择效果, 优选出的核参数能够使SVM具有较高的泛化性能.