随着拉曼光谱技术的迅猛发展,已经有越来越多的学者用其进行生物医学方面的研究。本文介绍了激光拉曼光谱技术在癌症组织检测方面的研究意义及其国内外研究进展,并以不同癌症组织的拉曼光谱数据样本作为研究对象,针对拉曼光谱数据的特点,提出使用支持向量机算法对其进行分类决策,并针对核函数及其参数的选择进行初步的研究。本文主要研究工作如下：1.提出使用支持向量机算法解决拉曼光谱与SERS光谱的分类问题。选取胃癌、肝癌、鼻咽癌三种血浆的拉曼光谱数据和SERS数据进行分类,通过对比三类核函数对支持向量机的分类性能的影响,发现基于RBF核的支持向量机分类性能最优2.针对同一批样本数据,将基于RBF核的支持向量机算法与传统分类算法LDA进行对比分析,发现对于SERS数据的分类效果,基于RBF核的支持向量机算法相比LDA算法有不小的提升,而对于常规拉曼光谱数据,二者的效果相仿。3.针对SVM算法对常规拉曼光谱数据不能取得良好提升的现象,提出针对RBF核函数参数的优化,优化后的SVM分类性能明显增强。4.使用优化RBF核参数的SVM构建模型,对食道癌组织样本的拉曼光谱数据和SERS数据进行分析,分类结果显示比传统算法LDA在判别诊断上更有优势。本文的实验结果表明,基于RBF核的支持向量机算法在优化参数后能够很好地区分正常和异常样本的拉曼光谱数据,为开发出一种新的癌症拉曼光谱数据分类方法提供了可能。