个人信用评估问题是风险管理的重要组成部分,随着社会的发展,个人信用评估问题已经得到了广泛的重视和应用。它可以被转化成一个两分类问题,解决两分类问题常用的方法有很多,例如：回归算法、近邻算法、遗传算法、神经网络和支持向量机等。其中,支持向量机已经成为个人信用评估方法的研究热点。本文对支持向量机进行推广,得到了处理矩阵数据分类的支持矩阵机方法。为了能解决非线性分类问题,本文又引用了矩阵数据核函数,然后将矩阵数据核函数和支持矩阵机进行组合,就得到了处理个人信用评估的新方法。本文的研究内容及结果：(1)简单叙述了分类问题以及支持向量机理论。(2)传统的个人信用评估数据都是向量型数据,而这种向量型数据有两大不足：一是丢失指标之间的关系信息；二是不具有时间动态性,这两点不足都会极大的影响最终的信用评估结果。(3)针对向量型数据的不足,我们提出了个人信用评估的矩阵型数据,并且给出了构造矩阵型数据的两种方法,当然这两种方法也不是完满的,我们还对这两种方法做了分析和比较,给出了各自的优缺点和适用的信用评估问题。(4)对我们提出的加核支持矩阵机方法,在国外信用评估数据集German、 Australian和国内住房贷款信用数据集上进行试验,结果证明我们的优化方法的有效性。