国内“彩宝时代”的走近，规范彩宝市场以促进其健康发展具有重要意义。而宝石的颜色对宝石的鉴定和品质分级影响重大。传统的依靠专家肉眼评判颜色，其结果常常易受环境等客观因素和评估者经验等主观因素影响，偏差大也难以令人信服。鉴于此，本文从宝石绿色研究入手，选择四种较常见宝石——翡翠、绿松石、祖母绿、橄榄石（绿色），基于CIE1976L*a*b*均匀色空间，利用测色仪对该四类天然有色宝石在D65光源，10°视角下进行颜色测量，分别测得祖母绿、翡翠、绿松石、橄榄石数据各156、165、253、138组，并对所测数据在三维空间做散点图、进行相关统计学分析，研究宝石绿色的可区分性。在前人工作的基础上，继续用Fisher判别函数对宝石绿色进行分类预测，所得分类预测准确率较前人实验结果理想，为98.5%，但是诸如此类传统统计学分类预测方法存在一定的局限性，本文采用一种新颖的小样本学习方法——支持向量机，对宝石绿色进行分类预测。它克服了传统机器学习面临的维数灾难、局部最小点以及过学习等难以克服的困难，并具有良好的泛化能力。将712组数据随机打乱并选取前500组数据做训练集，另外212组数据做测试集，采用[0,1]归一化方式和径向基核函数将模型进行Matlab仿真，最佳参数分别为c=4，g=16时，相应的分类预测准确率为99.1%，即212个测试样本中有210个被正确地归类，将测试样本与样品的三维投点图交叉部分进行对比研究，实验中被错误归类的点是交叉区域的点，同时交叉区域中的样本也有在测试集中并被正确预测的，符合常规并与计算机模拟色块观察效果一致，预测错误的原因可能是样品颜色参数测量时存在一定的误差以及SVM分类模型分类性能有待进一步较高。鉴于SVM对宝石颜色分类预测的准确性，其对颜色具有敏锐的识别能力，鉴于SVM对宝石颜色分类预测的准确性，其对颜色具有敏锐的识别能力，实际应用中，可以在补全绿色类宝石样品数量和种类的基础上，建立宝石绿色颜色参数库，训练SVM分类预测模型，对整个绿色类宝石进行分类预测，在预测模型分类准确率较高的前提下，将可以通过简单测量宝石颜色参数而得知宝石类别，改变传统的珠宝鉴定模式，不需要专业基础即可达到鉴定目的，从而提高鉴定的效率，为消费者带来便利，促进彩宝市场的健康有序发展。