本文主要从支持向量机的理论、方法，和应用相结合的角度出发，在支持向量机算法、在遥感图像中的应用等方面进行了系统的研究。　 本文提出了基于K均值聚类的SVM迭代训练算法。利用K均值聚类算法进行样本集压缩，压缩的结果作为初始训练样本集，再通过加入边界样本和错分样本来更新训练样本集，将此过程迭代进行直到错分样本数目不变为止。考虑无目标地理信息的情况下，结合遥感图像纹理特征的分析，提出了一种基于支持向量机分类网络的感兴趣区域快速定位方法。 通过将“非感兴趣区域”类分为3个子类，分别构造三个子类和“感兴趣区域”类的分类器，组成分类网络方法来定位感兴趣区域。将支持向量机应用于SAR目标的类型分类中。深入分析了频率域的幅度特征，频率域纹理特征和主成分分析(PCA)特征。