针对支持向量机在对样本进行分类时，决策超平面附近的点较易错分的问题，首先将反K近邻法引入分类问题，提出了反K近邻分类算法；然后，将支持向量机（SVM）与反K近邻分类算法（RKNN）相结合，提出了基于支持向量机与反K近邻的分类算法（SVM-RKNN）；最后，为了避免单一分类器可能存在的片面性问题，提出了基于SVM-RKNN的多特征融合分类方法。实验结果表明：SVM-RKNN分类算法的分类准确率比SVM方法平均提高了2.13%，而基于SVM-RKNN的多特征融合分类算法的分类准确率分别比SVM和SVM-RKNN算法平均提高了2.54%和0.41%。