支持向量機在進行不同眼動模式分類任務時受參數影響較大，針對這一問題，本文提出一種基于改進鯨魚算法優化支持向量機的算法以提升眼動數據分類性能。根據眼動數據特點，本研究先提取注視、眼跳相關的57個特征，再利用近鄰相關（ReliefF）算法進行特征篩選。針對鯨魚算法收斂精度低，易陷入局部最小值等問題，本文引入慣性權重平衡局部搜索和全局搜索，加快算法收斂速度，同時利用差分變異策略增加個體多樣性，跳出局部最優。本文對8個測試函數進行實驗，結果表明改進鯨魚算法具有最佳的收斂精度和收斂速度。最后，本文將改進鯨魚算法優化支持向量機模型應用于自閉癥眼動數據分類任務，公開數據集實驗結果表明，相較于傳統的支持向量機方法，本文方法的眼動數據分類準確率有著較大提升，相較于標準鯨魚算法和其他優化算法，本文方法優化后的模型具有更高的分類精度，為眼動模式識別提供了新思路與方法。未來或可利用眼動儀獲取的眼動數據，結合本文方法輔助醫療診斷。