分析了支持向量機（support vector machine, SVM）目前主要存在的問題和參數選擇對分類性能的影響后, 提出了以改進粒子群算法優化SVM關鍵參數的優化SVM算法。將加入擁擠度因子的微粒群算法引入到SVM中, 在不犧牲泛化性能的前提下, 對其參數進行優化, 增加了SVM初始化參數的多樣性, 減慢了局部搜索, 促進其在全局范圍內的尋優搜索, 以有效克服SVM算法過分依賴初始值和容易陷入局部極小值的缺點, 并利用由粗到精的策略構造多層SVM人臉表情分類器, 在提高準確率的基礎上加快分類的速度。實驗證明, 新算法具有速度快、準確率高的優點。