针对传统对支持向量机多类分类算法（Multi-TWSVM）中出现的模糊性问题，提出了一种基于遗传算法的决策树对支持向量机（GA-DTTSVM）多类分类算法。GA-DTTSVM用遗传算法对特征数据建立决策树，通过构建决策树可以分离样本的模糊区域，提高模糊区域样本的识别率。在决策树的每个节点上用对支持向量机（TWSVM）训练分类器，最后用训练的分类器进行分类和预测。实验结果表明，与决策树对支持向量机（DTTSVM）多类分类算法以及Multi-TWSVM相比，GA-DTTSVM多类分类算法具有较高的分类精度和较快的训练速度。