当前，在硫化矿石自燃倾向性等级分类领域，核函数方法因具有可解决非线性问题和样本数据过少问题的能力，而受到科研人员越来越多的关注，逐步成为研究热点。高斯过程是一种基于核函数的方法。它具有完全的贝叶斯公式化表示，能够明确的进行概率建模，使结果更易于解释。本文在依据硫化矿石自燃预测方法之一的自燃倾向性预测法的基础上，针对硫化矿石自燃倾向性的特点和分类方法存在的问题，首先利用公开的数据集分别建立基于期望传播法和拉普拉斯法的高斯过程分类模型，同时与SVM进行对比分析，指出基于期望传播法的高斯过程分类模型获得了最好分类结果。其次分析高斯过程和判别分析法的不足，提出一种改进的高斯过程分类方法，该方法通过小样本数据集训练先验判别来构建潜在变量模型。最后实现对硫化矿石自燃倾向性等级信息的充分挖掘，解决硫化矿石自燃倾向性等级分类问题，为硫化矿石自燃倾向性等级判定提供一条新途径。