人力资源甄选是人力资源管理工作中的基础环节，对培训、绩效、薪酬等其它人力资源管理活动都有着直接的影响。甄选包含两个关键的环节：一是使用各种工具收集应聘者的相关信息，即甄选测量；二是评估收集到的信息，做出甄选决策。但是，当前的人力资源甄选方法却很不完善，尤其是甄选决策方法。传统的判断方法易受主观性影响；统计学又不能很好地适应小样本。这些问题使得目前的甄选决策方法很难有效地指导甄选实践。针对上述情况，本文引入了数据挖掘领域的最新研究成果——支持向量机，该方法基于统计学习理论，能够很好地适应小样本。此外，将支持向量机与粗糙集理论相结合，得到粗糙支持向量机算法(RSVM)。通过对训练样本的分析自动找出影响绩效的核心因素，并且建立绩效预测模型，有效地避免了主观因素的影响。在此基础上提出了一种新的人力资源甄选模型，通过实证研究表明，该模型比现有的方法有着更好的准确性。