随着我国市场经济的迅速发展,信用已经成为现代经济社会运行中不可或缺的一环,良好的信用不但是维持和发展信用关系的必要条件,也是保护社会经济秩序的重要前提,个人消费信贷扮演的角色将会越来越重要,而与之密切相关的信用评估体系却未跟上步伐.因此,信用风险评估方法的研究具有重要的理论和现实意义,本文借助信息融合原理研究了信用风险评估问题,主要工作如下:首先,概述了信用评估的研究背景及意义,介绍了现有的个人信用评估方法.其次,研究了以结构风险最小化为核心的支持向量机,详述了K最近邻法的基本原理,并介绍了信息融合算法的原理、组合结构和输出类型.最后,根据信息融合的原理,将支持向量机(SVM)和K最近邻法(KNN)相结合,提出了一个SVM-KNN融合算法.由于KNN的引入,该算法可有效处理支持向量机在最优分界面附近样本交叠容易引起的过学习问题和数据错分率较高的问题.同时,为了消除样本集中的冗余信息,根据两类样本中心距离提供的信息对数据进行了预处理.给出了该算法的具体步骤并构建了基于该算法的信用评估模型,采用德国信用数据库对模型进行了实证分析,经过不同的参数选择比较,表明了SVM-KNN算法在两分类问题中具有较好的分类能力和较高的效率.