支持向量机基于统计学习理论，是一种新型通用的有监督的机器学习方法，其核心思想是使结构风险极小化，但是由于需要求解二次规划，使得它在求解大规模数据上具有一定的局限性，尤其是对于多分类问题，现有的支持向量机算法具有很高的复杂性。本文构造了基于线性规划的一对一三类结构支持向量分类器，可以直接利用比较成熟的线性规划算法――预测-校正原对偶内点法，并在此基础上提出了基于预测-校正原对偶内点法的支持向量机的多分类学习算法，这种算法可用于比较庞大的多类别识别问题，并且克服了标准支持向量机的一些缺点，而且模型简单，容易实
