统计学习理论是在20世纪90年代逐渐成熟的一个比较完善的机器学习理论。以这种理论为基础的支持向量机(Support Vector Machine,简称SVM)与以往的学习机器相比能够较好的解决小样本学习问题、具有很好的鲁棒性以及低的运算成本。实现这种理论的支持向量机算法已经成为机器学习和知识挖掘的重要工具。生物信息学是生命科学、数学、计算机科学等学科交汇而成的一门交叉学科,而DNA序列是生物信息学中具有代表性的一类数据。随着人类基因组计划的开启和顺利完成,DNA序列分析的发展脚步得到了有力的推动。研究DNA序列的数据内涵是后基因组时代的最重要的课题之一。寻找某些特征片段在DNA序列中的规律对生命科学、人类遗传学等都有着非常重要的意义。本篇论文采用SVM算法对DNA序列分类实验。首先用滑窗法从已知分类的DNA序列中提取特征,再将特征序列生成出特征矩阵向量作为输入向量,然后运用R语言软件实现了基于支持向量机的DNA序列分类过程。首先调入class包,再利用网络搜索法和10折交叉验证寻找最优参数,这种寻优过程如果有参数位于给出的范围边界则需要将范围继续放宽再进行寻优寻找出最优参数构建SVM模型,运用多种核函数进行分类实验最后统计分析选出最优的核函数。本文运用的SVM分类器的分类效果可以较好地运用到实际的DNA数据分类中,且具有一定的推广性能。该算法也可以推广到多分类问题中。