最优化算法与数据挖掘方法相结合具有举足轻重的地位。以最优化理论为研究基础，利用最优化领域在鲁棒优化、变分不等式问题等方面的新技术，对数据挖掘中的新方法——支持向量机的模型与算法进行理论研究与应用。针对“学习数据量大”、“输入数据有噪音”、“复杂的多分类问题”等问题进行新模型的建立与算法的研究。具体包括：建立基于易求解的凸规划（线性规划、锥规划和半定规划）多类分类支持向量机的非线性鲁棒模型，研究模型求解算法；构建基于大规模分类和回归问题的不光滑支持向量机算法，研究相应的理论保证算法的收敛性；提出一种基于不对称形式的二次不敏感控制型Ramp损失函数的支持向量回归机，对模拟数据和黑龙江省2003-2012年粮食产量数据，进行试验验证；建立黑龙江省农机装备水平预测和分析的支持向量机模型并构造有效算法；利用构建的三种组合预测模型对黑龙江垦区农机装备水平的历史数据进行预测；合理估算黑龙江垦区农机装备对粮食产量贡献的大小等进行了多方面的应用研究。