为了提高睡眠结构分期的准确度，克服分类时样本不足对分类的影响，使用MIT-BIH数据库整晚睡眠脑电数据作为研究样本，提取了时域、频域和非线性共16个参数作为分类特征，用支持向量机的一对一多类分类方法，采用顺序最小优化算法，以径向基函数作为核函数对样本分类。分类结果与专家的分类标注对比，分类准确率达到92%以上。支持向量机可作为睡眠分期的一种实用算法。