本文以最小二乘支持向量机为研究对象,围绕其学习算法及应用开展研究。具体研究内容如下:(1)由于超参数选择对支持向量机的性能有着重要作用,本文提出了基于粒子群优化算法选择最小二乘支持向量机超参数的方法,通过实验验证了该方法的有效性。(2)在光谱分析中,特定波长下不同浓度对应不同的吸光度,为了选择出能够更好地区分各种浓度的波段,本文定义了光谱能量指标,提出了确定最佳波段的算法。结合本文提出的最佳波段选择算法,建立了测定混合物中物质浓度的模型。实验结果表明本文所提出的方法能够以较高精度测定物质浓度。(3)针对许多科学和工程问题中广泛应用的第二类线性伏特拉积分方程,本文提出了一种基于最小二乘支持向量机和梯形求积法的第二类线性伏特拉积分方程数值求解方法。(4)针对电力负荷预测问题,在分析了电力负荷规律的基础上,定义了天气状况相似度,从而能够形成动态样本集,并用主成分分析对动态样本集进行处理,最后建立了基于最小二乘支持向量机的电力负荷预测模型。实例预测结果表明,本文提出的预测模型显著优于基于神经网络的电力负荷预测模型。