随着我国经济的快速发展,激发了信贷消费的巨大发展,各种消费贷款迅速升温,信用卡作为一种高收益高风险的金融产品,是消费信贷中发展最快、最富创新活力的金融信用支付工具,已成为国内外商业银行激烈竞争的重要对象。各家商业银行对信用卡业务的管理水平直接影响到信用卡业务的利润,因此,如何建立有效的信用评估模型加强客户关系的管理是目前商业银行热点关注的问题,它不仅具有一定的理论研究意义,更对商业银行的发展、利润的实现等有着重要的意义。本文在国内外研究的基础之上,以信用卡客户的消费行为为研究对象,建立了基于遗传算法和多类支持向量机的信用卡行为评估模型GMBSM,为金融机构实现动态的信用等级调整、信用额度调整及客户关系的管理和维护提供决策依据。主要研究内容包括：第一,在国内外研究的基础上,构建了基于遗传算法和多类支持向量机的信用卡行为评估模型的框架体系。其以申请者资料数据库、信用卡账户的档案数据库、信用卡的交易数据库、信用卡的欺诈数据库集成的数据集市为数据源,以构建的基于信用卡消费行为的信用评估指标体系为基础,以基于遗传算法和多类支持向量机的高性能算法为核心。第二,本文在充分研究国内外信用评估指标体系的基础上,在信用评估指标体系的原则指导下,综合考虑信用风险和客户价值两方面的内容,对持卡人的用卡行为进行分析,考虑各个指标对信用卡行为评估结果的影响,提取关键指标,构建基于信用卡消费行为的信用评估指标体系。第三,在分析国内信用卡数据特性的基础上,针对信用卡行为数据样本少、维度高、数据更新快等特点,通过研究特征选择算法、遗传算法、多类支持向量机和增量学习技术等关键技术,提出基于遗传算法的特征选择算法有效的剔除冗余属性,构建特征子集,并在此基础上,提出了一种将支持向量机和二叉树的基本思想相结合的以类均值距离作为二叉树生成算法的多类BTMSVM算法和支持增量学习的多分类算法BTMISVM。第四,用国内某商业银行的信用卡数据对本文中的算法和模型进行实验与分析,结果表明基于遗传算法和多类支持向量机的行为评估模型是有效的,且具有较高的分类准确率,为发卡机构进行客户关系管理、调整客户信用等级和信用额度提供重要的决策依据。