针对特征权重难以准确量化的问题,提出一种灰狼-鸟群混合算法用于特征权重的寻优。首先,将Chebyshev映射、反向学习与精英策略用于混合算法的初始种群生成;其次,将改进后的灰狼优化算法位置更新策略融入到鸟群算法的觅食行为中,得到一种新的局部搜索策略;然后,将鸟群算法的警觉行为与飞行行为用作混合算法的全局搜索平衡策略,从而得到一种收敛的灰狼-鸟群算法(grey　wolf　and　bird　swarm　algorithm,GWBSA),通过GWBSA的迭代寻优可获得各特征的权重值。利用标准测试函数和标准分类数据集进行了对比实验,与遗传算法、蚁狮算法等方法相比,GWBSA具有较快的收敛速度且不易陷入局部最优,可以提高模式分类问题的求解质量。