核选择问题是支持向量机（Support Vector Machine，SVM）建模中的一个关键问题，虽然支持向量机具有良好的泛化性能，但其性能受核函数的影响比较明显，而对于一个给定问题，选择合适的核函数及参数通常很困难。提出一种基于SVM集成的核选择方法，利用不同的核函数构造子SVM学习器，然后对子学习器的预测结果集成。提出的核选择方法将SVM集成学习与核选择同时进行，不仅避免了单个SVM的核选择对泛化能力的影响，而且可以获得良好的泛化能力。在UCI标准数据集上的结果说明了提出的方法的有效性。