针对现有基于支持向量数据描述(SVDD)的多类分类算法未能充分利用重叠区域样本分布信息等问题，提出了一种基于核空间相对密度的SVDD多类分类算法DM-SVDD。该算法首先由SVDD确定包围每类数据的最小超球，然后计算位于最小超球重叠区域中每个样本在其同类样本间的相对密度，最后以各类样本相对密度的均值为标准，对重叠区域内的待测样本进行分类。实验结果表明，算法DM-SVDD是可行有效的。