数据挖掘(DM)是一类新兴的智能化数据处理工具，广泛的应用于数据库中的知识发现过程。机器学习算法是DM系统的核心组成部分，优秀的学习机器能够大大提高DM的性能和效率。支持向量机(SVM)是基于统计学习理论的小样本预测工具。该工具是一类泛化性能很好的学习机器。以SVM为工具研究DM任务的课题，具有一定的理论价值和现实意义。本文实现了SVM在DM中的应用。主要的研究内容包括：1．对DM和机器学习领域的理论模型、算法和实现技术，做了概括性的综述2．利用支持向量分类器(SVC)和支持向量回归机(SVR)，解决了DM中的分类与回归问题。实验包括小样本实验数据和大样本现实数据库。根据实验结果，分析了与性能有关的一些问题3．考察了以小波函数作为核函数的小波支持向量机(WSVM)的性能4．用遗传算法(GA)实现了SVM模型的参数优化，用具体的数值实验证实了该优化过程的可靠性文中的推导及实验，均使用标准的方法或工具完成，绝大部分是可模拟或可重复的。本文内容对相关领域的研究和应用工作，具有一定程度的参考价值。