支持向量机是在统计学习理论基础上发展起来的一种机器学习方法。本文结合二阶锥规划对支持向量机提出了一些改进，丰富了现有支持向量机模型。 论文的主要工作如下： 1、通过对拉普拉斯支持向量机的研究，推导出适用于标准支持向量机的流形正则项形式，并将其引入到基于二阶锥规划的特征选择算法中，提出了一种新的基于二阶锥规划和流形正则项的特征选择算法。实验结果表明该算法能够有效的提高特征选择的效果。 2、结合Bennett提出的多分类支持向量机和用于处理缺失数据的基于二阶锥规划的支持向量机，提出了一种新的基于二阶锥规划的处理缺失数据的多分类支持向量机。理论分析和实验结果表明，该算法能够有效的提高分类的正确率。 3、利用本文提出的算法，建立了上市公司综合评价模型和上市公司财务预警模型。文章选用2004年和2005年的上市公司财务数据，对模型进行验证，通过与其他算法的比较，实验结果表明了本文提出的算法用于上市公司研究的有效性及优越性。