随着中国经济的快速发展，国内的信贷类业务发展尤为迅猛。近两年，P2P网贷得到了巨大发展，它为投资者和筹资者提供了便捷的信息平台。中国目前有六千万个体户和两亿农民，共同组成了庞大的信贷市场，也具备巨大的发展潜力。信用风险管理逐渐成为各大金融机构研究的一大热点，良好的信用评估模型是其避免信用风险，得以进一步发展的保证。1995年Vapnik在统计学习理论基础上针对线性分类器提出了一种新的监督式学习方法支持向量机（Support Vector Machine），它具有全局最优、结构简单、推广性好等优点，最初主要用于模式识别领域。支持向量机的核心思想是通过核函数将复杂的向量映射到高维特征空间后构造最大间隔超平面，使得经验误差最小、几何边缘区最大。本文首先简述了信用评估的现实需求、国内外研究现状和普遍的评估方法。其次，在深入研究分析支持向量机的理论和算法之后，提出了一种特征加权支持向量机的个人信用评估方法，然后通过前向顺序特征选择算法对实验结果进行分析，证明了该特征加权支持向量机分类算法的有效性。再次，基于SSH集成框架设计并实现了特征加权支持向量机信用评分系统。最后回顾了全文的研究工作，并进行总结和未来展望。