随着我国改革开放制度的不断发展，我国的综合国力不断增强，我国的经济实力也快速提高。因此，一些新兴的企业形式相继出现，中小型科技企业在新的经济格局中占有的比重越来越大，一些针对于中小型科技企业的研究也就成为了各界专家学者的研究目标，风险评估也是其中一个重要的分支。现今，我国的中小型科技企业虽然势头正旺，但是其本身的组织结构也注定会导致其经营管理上存在一定的风险，所以针对企业的风险管理显得尤为重要。到目前为止，企业的风险评估方法也存在很多，其中的一些也得到了应用，而针对于中小型科技企业的风险评估方法却很少被考虑，因此中小型科技企业的风险评估方法更具有研究空间和应用价值。本文作者阅读了大量的关于风险管理的相关文献，研究了支持向量机的相关技术、数据挖掘中的遗传算法等。在此基础上，对中小型科技企业的风险评估方法进行了总结，尤其是对基于二叉树的多类分类支持向量机的核函数参数进行了优化。本文的主要工作可以分为以下的两个方面：本文所研究的问题是中小型科技企业的风险问题，所以本文的第一部分就是对中小型科技企业进行分析。根据中小型科技企业的组织结构，对中小型科技企业的内部特点进行全方位的剖析；对中小型科技企业的前景进行估计；对中小型科技企业可能存在的风险进行划分；分析这些风险类别及其存在的危害性，考虑现存的风险评估方法的特点、适用条件，将这些风险评估方法运用到中小型科技企业中，通过对这些风险评估方法在中小型科技企业中取得的相应效果进行分析，综合的评价出这些评估方法的利弊。本文研究的内容主要是依据支持向量机技术的，支持向量机技术是近年来在数据挖掘领域中的新技术，它的主要思想是统计学理论中VC维理论，本文首先对中小型科技企业的风险进行分类、编码，然后通过基于GA的特征选择算法来对众多的风险因素进行选择，得出风险类别的最优特征子集，利用基于二叉树的多类支持向量机算法对最优特征子集进行训练，通过对一些风险类别指标的测试，得到最优化的风险评估模型。本文在建立风险评估模型时，采用了蚁群算法对核函数中的参数进行了优化，这样保证了采用支持向量机对中小型科技企业进行风险评估时的准确性，更具使用价值。