本文对智能计算的理论和应用问题进行了研究。针对最小二乘支持向量机丧失了解的稀疏性问题,结合增量式最小二乘支持向量机学习算法和逆学习算法,提出了自适应迭代最小二乘支持向量机回归算法。该算法能够自适应的确定支持向量的数量,保留了QP方法训练支持向量机时解的稀疏性,在相近的精度下,极大地提高了最小二乘支持向量机的学习速度。研究了智能计算技术在基于内容的音乐检索领域的应用。利用音频信号在时域上的短时过零率和短时能频值两个特征实现了音乐中人声段落的提取,基于传统的音高提取模式,使用量化音程描述子描述音乐的旋律特征,使用字符串匹配算法计算两段旋律的相似度。基于上述方法实现了哼唱检索原型系统。使用智能计算技术对原型系统进行了改进,实现了智能化的哼唱检索系统。提出了基于聚类和支持向量机分类相结合的人声片段检测方法,利用对训练样本聚类的结果,为支持向量机挑选训练样本,减少了支持向量机的训练时间。用提出的自适应迭代最小二乘支持向量机回归算法实现了基于回归的分类。使用模糊聚类的方法,用音频信号的聚类质心作为其特征描述,通过比较两段音频信号的聚类质心计算其相似度。针对基本蚁群算法运行时间长,容易陷入局部最优值的缺点,在执行效率和求解能力两方面改进了基本蚁群算法。通过实验,优化了改进算法的参数,并用改进后的蚁群算法求解了一维下料问题。