在模糊多分类问题中，由于训练样本在训练过程中所起的作用不同，对所有数据包括异常数据赋予一个隶属度。针对模糊支持向量机（fuzzy support vector machines，FSVM）的第一种形式，引入类中心的概念，结合一对多1-a-a(one-against-all)组合分类方法，提出了一种基于一对多组合的模糊支持向量机多分类算法，并与1-a-1(one-against-one)组合和1-a-a组合的分类算法比较。数值实验表明，该算法是有效的，有较高的分类准确率，有更好的泛化能力。