本文将智能算法中的支持向量机引入到胶印质量控制中来,建立了确定印刷实地密度的模型；对输出设备建立了CMY和Lab色空间的回归模型。论文的数据来源主要是由两部分组成：首先,打印大量实地色块标靶,通过PressSign测量获得大量的密度和色度的信息；然后,在使用G7方法校正设备之后,得到IT8.7/4的数据信息。在建立确定印刷实地密度的模型时,采用PCPO工艺的办法建立色度和密度之间多对单的一个支持向量回归,在训练数据的筛选时,针对常常出现同一色差对应不同密度的情况,使用灰关联办法综合考虑了L、a、b以及印刷反差对密度的关联度,对数据进行取舍。在建立两个颜色空间的转换模型时,采用了两种不同的方法。一种是使用最小二乘支持向量建立两个颜色空间之间的多对多的回归模型,另一种为对每一个输出项进行分别的多对单的回归建模型,再把各项组合起来构成回归的输出项。另外,验证了样本容量大小对回归精度的影响。结果表明使用印刷实地密度的灰色支持向量模型,能更全面综合考虑色度和密度两方面来更好的确定印刷最佳实地密度。精度高,泛化性好,即训练误差小,推广预测能力强,整体误差都在印刷控制的标准下；支持向量回归能够应用在建立Lab空间和CMY空间的转换模型,在多输入多输出回归方面,支持向量表现较差,转换模型训练精度不够,有待改善。