信用评估是一种特殊的多类分类问题，具有分类结果线性分布的特点，本文在多类支持向量机的基础上对这类问题做了研究。首先介绍了信用评估的特点和研究现状，然后详细解释了支持向量机的原理及其统计理论基础，并对由传统支持向量机向多类支持向量机的推广问题进行了深入研究，对多类支持向量机的国内外主要算法进行了归纳和分析，最后提出了一种线性多类支持向量机，结合实际数据做了实验分析，取得了很好的效果。论文主要工作如下： 1.根据支持向量机和信用评估的特点，研究了信用数据的数值化问题，针对分类问题的特点提出了一种改进的Hot Deck算法进行空缺值填补。 2.提出了基于信息增益率的信用指标选择方法，根据信息增益率的大小选择对分类有贡献的指标，避免了过学习问题。 3.针对分类结果线性分布的多类分类问题，提出了一种线性多类支持向量机，其中包括决策中心和决策距离概念的提出以及分界点和分类区间的确定。 4.本文从理论上研究了线性多类支持向量机的可行性，也用实际数据——某供电局的电力客户信用数据做了实验分析，无论是算法性能还是算法速度都取得了令人满意的结果。 本文的研究成果不仅对多类支持向量机和信用评估的研究有理论意义，而且对促进支持向量机在信用评估等领域的应用有一定的实际意义。