本文针对具有小样本数据的N型热电偶在应用中存在的问题，提出了一种基于最小二乘支持向量机对热电偶进行非线性校正的方法，并与以往采用的BP网络、RBF网络和ANFIS校正方法进行了比较。结果表明，采用最小二乘支持向量机的校正精度高于以上3种校正方法；同时以阳极焙烧过程中料箱温度为对象进行了仿真和实际应用研究，取得了满意的结果。

提出一种最小二乘支持向量机的序贯最小分类分解算法。针对最小二乘支持向量机，通过对核函数的相关变换，将二阶的误差信息归结到优化方程的一阶信息中，从而简化运算过程。采用最优函数梯度二阶信息选择工作集，实现最小二乘支持向量机分解算法，提高了算法的收敛性。采用径向基核函数和交叉验证网格搜索的方法验证算法的分类准确性。实验结果表明，提出的分类算法应用于车型识别中，可以得到比其他分类方法更好的分类准确度。

圆度误差作为重要的几何误差指标直接影响机械零部件装配精度和使用寿命,面向智能制造的在线测量对圆度评定方法的快速性、准确性提出了更高的要求。针对在线圆度误差评定,结合磨加工主动量仪提出一种基于最小二乘支持向量机(LSSVM)的最小区域评定方法。LSSVM采用误差的二范数和等式约束代替了传统支持向量机中的误差和不等式约束,将二次规划问题转化为求解线性方程,降低了计算的复杂度,有效提高了求解速度。通过对比单纯形算法、遗传算法、