近年来，随着互联网技术的高速发展，网络上的图片的数量急剧增长。如何从海量的图像库中快速精准查询到目标图像成为一道摆在信息技术领域的具有挑战性难题。此外，随着计算机和信息技术的迅猛发展和普及应用，行业应用系统的规模迅速扩大，行业应用所产生的数据呈爆炸性增长。因此，作为数据挖掘中的一个重要课题，数据分类也一直是国内外研究者关注的焦点。本文对于图像的检索领域出现的一些新的方法以及数据分类领域的方法，包括基于词袋模型的图像双特征联合编码来实现图像检索的方法和对数据编码算法、分类器的改善进行了大量系统的研究。本文的主要研究成果如下：　　1．提出了一种新的纹理特征与SIFT特征进行联合编码实现了一种图像检索方法。在获取图像特征时，以关键点为中心，选取周围的区域，并以区域中每个像素点为中心构建旋转不变LBP特征。最后通过将LBP特征描述子与SIFT特征描述子进行结合来提高获取图像信息的能力。将图像在两个特征空间下的编码连接之后的联合编码作为图像的最终编码表示实现图像的检索。　　2．提出了一种基于SVM分类器的集成方法。该方法将训练数据分成多个子训练数据集，用每个子训练集去训练一个弱分类器，通过每个子分类器对全体训练数据的分类准确率给每个弱分类器分配相应的权值，最后用加权的方式将之前训练的若干个弱分类器结合起来，得到最终的综合的有更强的分类能力的总分类器。再用这个总分类器去分类测试数据。该方法通过将若干个弱分类器各自的分类时捕获信息的侧重点的差异的结合，增强了总分类器的分类性能。提高了数据的分类精度。　　3．提出了一种基于Fisher矢量编码的稀疏表示算法。该方法利用稀疏编码的方法去除了Fisher矢量编码信息中的冗余成分。本文在Fisher矢量编码算法过程中，为了减小编码误差，加入了两个控制因子，该因子主要是起到约束特征与码本的误差，进一步提炼出特征中有利于高效分类数据的特征信息成分。从而有效提高分类效率。