支撑向量机（SVM）是一种模式识别技术，相当于一种模式分类器。SVM是参数空间的一种线性分类器，但它可以通过核函数扩展成非线性分类器，因此SVM的性能在很大程度上依赖于核函数的选择。但是目前对特定数据集，还没有一个好的选择核函数的方法。J.C.Burges在他1999年发表的一篇文章中用信息几何的观点赋予了核函数几何性质。根据他的结果，Amari在同年提出了一种利用核函数的几何性质对其进行修正的方法，以提高SVM的分辨率。 本文运用信息几何方法和修正核函数思想，提出了一种SVM几何修正法。该方法用双曲正割函数构造拟共形变换函数，对多项式核函数进行修正来提高SVM的分辨率，并侧重于拟共形变换函数中的参数分析，确定了参数的取值方法，缩小了参数选取的范围。在人工数据和DNA数据的分类实验中，修正后的SVM具有更高的分辨率，这说明了本文提出的SVM几何修正法和参数选取的方法的有效性。 另一方面，随着基因组信息的不断出现，需要分析大量DNA数据。DNA序列处理一般是先寻找一种数学表示，再借助其它工具对其进行分析。本文在DNA序列CGR图表示的基础上，利用CGR图具有的可视特征，将其转化为多维向量，并用SVM方法和SVM几何修正法，分别进行了外显子与内含子以及外显子与整个基因的分类实验，得到了很高的分辨率。这表明本文提出的DNA序列的向量表示法对于区分外显子与内含子或区分外显子与整个基因是有效的。