支持向量机算法是以统计学习理论为基础的一种模式分类算法。由于其具有良好的计算有效性、健壮性和稳定性等特点，近年来获得较快的发展，被广泛应用到模式分类应用的很多领域中。本文在介绍水雷目标识别现状的基础上，详细描述了支持向量机的算法原理，针对水雷目标回波特征数据集的特点有针对性地提出了支持向量机的算法设置和训练过程；重点阐述了如何实现针对水雷目标数据的完整的支持向量机算法；并对支持向量机算法从训练精度和训练速度两方面进行了改进，应用于水雷目标识别数据分析之中；在文章的结尾部分列出了实验比较所得出的主要结果，以及相关问题的讨论；并对尚待讨论的问题和即将展开的研究工作进行了展望。水雷目标识别除了具有其特殊性外，也符合数据的一般统计过程。因此，本文从数据集的整理入手简单介绍了水雷目标特征提取方法；不同核函数的支持向量机方法，包括：目标回波特征向量简单线性核函数、多项式核函数和径向基核函数；以及行之有效的用于解决水雷目标分类问题的支持向量机软件实现方法，包括：数据格式的变换、数据矩阵的转变、模型参数的选取以及模型的确定、优化等。通过实验比较，与其它支持向量机核函数相比较，在水雷目标识别中径向基核函数支持向量机和高阶多项式核函数支持向量机效果较好，本文所建立的支持向量机分析流程简单、易操作，与建立在相同数据集上的目前较为流行的支持向量机算法流程相比，模型的训练速度和预测精度相当，甚至更为高效。综上所述，支持向量机作为处理水雷目标识别的新工具之一，有着较好的理论基础和极强的生命力，其本身必将在更广阔的水雷研究领域中发挥更大的作用。