为了提高质量异常模式识别精度和效率,文章提出基于特征选择与支持向量机的质量异常模式识别模型。将小波低频近似系数作为特征选择的起点,运用基于分类精度的序列前向选择方法对时域特征和形状特征进行约减,剔除对于分类器精度没有贡献较小的特征;将优化后的特征集作为支持向量机分类器的输入向量,并通过粒子群算法对影响支持向量机分类效果的参数进行全局寻优,构建多分类支持向量机模型。仿真结果表明,所选择特征比未经选择的混合特征的识别精度有明显的提高。