论文以“电机参数测试网络化平台开发”课题为背景，针对不确定离散数据分类缺陷、样本中存在误差点对数据拟合结果的影响等问题，借助不确定性理论和数据拟合技术，提出了一个可以剔除异常点的离散数据拟合模型，并结合三相异步电动机测试系统对该模型应用的准确性进行了评价，效果显著。数据拟合是科学研究与工程技术中常用的方法，是一个有重要意义的研究课题，其目标是通过给定的离散点值去预测数据背后隐藏的真实物理规律。有些非数值计算问题，结果无法通过试验数据计算而得到，必须通过查看拟合曲线获得。本论文将不确定性理论应用于离散数据拟合中，分析和研究了对异常数据(误差点)的识别、剔除以及离散数据点的曲线拟合问题，主要包括以下三个方面：(1)分析了使用支持向量机(Support Vector Machine，简称SVM)在对离散数据点进行正确、错误两类分类处理方法存在的不足，提出了使用三类支持向量机进行分类的方法。该方法将同时拥有正确点和错误点的样本看作一个不确定数据点区域，同时使用两个最优分类超平面将样本分为三个类别。三类支持向量机分类方法的使用，对处理离散数据点中存在不确定数据区域带问题(该区域带同时包括正确点、错误点和不确定数据点)非常有效。(2)针对上述使用三类支持向量机分类后得到的不确定数据区域中异常点的处理问题，提出了一个基于测量不确定度的离散数据拟合模型。该模型先使用测量不确定度的3σ原则，剔除误差点，然后使用最小二乘支持向量机方法进行数据拟合。借助该模型剔除离散数据中存在的误差点，效果显著。(3)将基于测量不确定度的离散数据拟合模型应用于三相异步电动机测试系统中，并使用蒙特卡洛方法对该模型的准确性进行评价。结果表明，应用该模型的测试系统性能良好，拟合得到的曲线不受误差点的影响，能够反映数据间隐藏的真实规律，具有工程实践应用价值。最后，对全文的工作进行了总结，并指出下一步的研究方向。