判别分析在数据挖掘、识别中有着广泛的应用，其中充分利用训练集的信息，改进判别规则算法，降低误判率一直是众多研究关注的焦点。传统的一些判别算法中，往往事先假定数据的分布类型来建立判别规则，但多维数据结构往往存在违背假定的情形，从而导致较高的误判率。针对此类问题，提出采用非参核密度算法建立多维数据的判别规则，同时通过Iris数据和Seeds数据进行实证分析。结果表明，与现有的判别分析算法相比较，所提判别算法利用样本资料信息更充分，显著提高了多维数据的判别精度，并且该算法不受分布假定的限制，具有广泛的适用性。