随着网络和通讯技术的日益发展,大量的信息蜂拥而至。如何有效地选择需要的信息成为越来越突出的问题。数据挖掘就是为顺应这种需要应运而发展起来的数据处理技术。支持向量机(support vector machine,SVM)是数据挖掘中的一项新技术,是借助于最优化方法解决机器学习问题的新工具。本文首先讨论了数据挖掘的基本概念,国内外的研究现状,数据挖掘的应用,数据挖掘的过程以及数据挖掘的基本方法。然后又研究了统计学习理论的一些基本知识,其中包括了机器学习,VC维,推广性的界和结构风险最小化。接下来重点介绍了支持向量机,其中包括了支持向量机的发展历史和现状,主要的基本概念和研究内容,并在此基础上对当前各种比较通用的支持向量机训练算法进行了研究,比较了各种算法的优劣。最后针对当前几种基于增量学习的支持向量机训练算法的缺点,分析了支持向量的性质和增量学习的过程,提出了一种新的增量学习算法,在保证测试精度的同时减少了训练时间。最后的数值实验和应用实例说明了,算法是可行的、有效的。