本书由浅入深，前期在支持向量机基础上，引入模糊隶属度函数，对不同样本选取不同权重，通过样本模糊隶属度的值确定该样本隶属某一类的程度，为提高SVM抗噪能力，应用模糊支持向量机对英语语篇进行情感分类，分类效果优于支持向量机的分类。在前期研究的基础之上，分别应用SVM和FSVM进行了中文语篇的情感分类，并对分类效果进行对比。仿真实验的结果说明，针对中文本进行情感分类，模糊支持向量机分类效果优于支持向量机。为了验证最小二乘支持向量机方法的可行性和优越性，先将最小二乘支持向量机方法应用于经济领域，验证了最小二乘支持向量机方法的可行性，继而分别以“车评”和“影评”作为样本，应用最小二乘支持向量机方法进行中文语篇的情感分类。