支持向量机(SVM)是一种两类分类算法，如何将SVM算法应用于多类分类问题，目前已衍生出多种方法。其中“二叉树”方法应用比较广泛，但分类支持向量机在树中中间节点位置的不同，直接关系到该方法的分类准确性。基于二叉树方法提出了“类间相异度”的策略，根据类间相异程度来决定多类的分类顺序。

基于结构风险最小化原则的支持向量机( SVM)对小样本决策具有较好的学习推广性。但由 常规 SVM 算法是从 2 类分类问题推导出的,在解决故障诊断这种典型的多类分类问题时存在困难, 而提出一种依赖故障优先级的基于 SVM 的二叉树多级分类器实现( 2PTMC) 方法, 该方法具有简单 直观,重复训练样本少的优点。通过将其应用于柴油机振动信号的故障诊断,获得了令人满意的效果。