随着信息技术的飞速发展,同时互联网在日常生活中非常普遍的使用,信息资源越来越成为当前比较重要的社会资源。在我国,中文文本作为一个使用非常广泛的信息载体,在信息传递、信息处理等领域中扮演着重要的角色。但是伴随着信息规模的不断扩大,中文文本文档的数据库逐渐膨胀,人们从中获取自己想要的文档信息就变得更为困难。在此背景下,中文文本自动分类技术应运而生。本文的主要内容是基于支持向量机的中文文本分类研究,具体工作如下:首先,本文对中文文本自动分类技术和支持向量机算法的研究意义和背景、国内外研究现状做出了分析和总结。然后介绍了中文文本分类技术的相关理论和方法,包括文本预处理、特征提取、文本表示和文本分类算法等。其次,本文对支持向量机的基本理论和不同的实现算法进行了详细的阐述,特别对线性可分问题、线性不可分问题和非线性可分问题等不同的支持向量机模型的工作原理作了介绍。然后采用了一种改进的基于密度聚类的支持向量机算法,该算法主要是使用了改进之后的密度聚类算法提取文本向量集的边缘点作为新的训练集,然后用于训练支持向量机分类器。然后,本文完成了文本分类系统的设计。首先介绍了总体设计方案,然后从预处理模块、特征选择模块和文本分类模块三个主要模块详细介绍了系统结构。最后完成了文本分类实验和结果分析,分别对不同的特征选择函数、不同的核函数进行了对比实验并对实验结果做出分析,最后对改进前后的支持向量机分类方法进行了实验并对结果做出分析。