支持向量机是基于统计学习理论中结构风险最小化归纳原则和VC维原理的一种机器学习方法，它通过使用核函数巧妙的解决高维空间的维数灾难问题，并且具有比传统的基于统计的学习方法更好的推广性能。就支持向量机在模式识别领域中的多类分类应用而言，目前的算法多采用组合两类支持向量机分类器进行多类分类的方式。本文从另一角度出发，在研究无师学习单类支持向量机的基础上，通过三种不同的方法对其进行组合以构建多类分类器。此种构造方式使子分类器数目仅随类别数作线性增长，且子问题规模小于前一种方式中任一两类分类器的规模。将算法的验证与指纹分类问题的解决相结合，本文将指纹分为斗形、左旋、右旋、弓形、帐形五大类，初步的实验显示出了较好的分类结果。在指纹特征提取方面，本文基于Gabor滤波器从四个方向提取指纹的全局特征，并设计了相应的图形用户界面程序。