近年来在数据分析领域,支持向量机模型(SVM)已经成为一种非常成熟的算法。随着对支持向量机算法的不断深入研究,出现了v-SVM,Ev-SVM,以及其他核函数的各种推广。同时对于SVM类型算法的几何刻画也受到人们重视。几何解释不仅可以加深对算法本质的理解,还有利于改进算法和提出效率更高的新算法。本文对于较复杂和无法线性分类的样本空间,采取将整体分割成若干凸区域,在各凸集中应用Ev-SVM的方法给出分片线性和分片二次型分类算法。根据数据的不同特征,我们可以找到合适的聚类算法对样本空间进行初步分割,采用已有的凸包构造方法,形成整个数据集的凸分划,在每个凸集上证明了分片线性Ev-SVM与相应ERCH-Margin模型的等价性,由此给出全局等价性,证明了ERCH-Margin与ERCH-NPP模型的对偶关系。我们也会研究二次型分类器情况下的相应问题,利用类似方法,可以得到分片线性二次型Ev-SVM分类器的类似结论。