Abstract: Support Vector Machines（SVM） is one of the most important data mining and machine learning method，and Least Squares Support Vector Machines（LS-SVM） is extended from Support Vector Machines learning algorithm and better in learning speed.The LS-SVM is applied to the multi-class classification methods of SVM including 1-a-r，1-a-1，ECOC and MOC.Then，the multi-class classification methods of LS-SVM are applied to OSAHS diagnoses，which have a good result.

Key words: Least Squares Support Vector Machines, multi-class classification, Minimum Output Coding, Obstructive Sleep Apnea Hypopnea Syndrome

摘要： 支持向量机是数据挖掘和机器学习领域中的重要方法之一，最小二乘支持向量机是支持向量机学习算法的重要扩展，在训练速度方面有明显优势。对支持向量机现有的多类分类算法（一对一方法、一对多方法、纠错输出编码方法和最小输出编码方法）引入了最小二乘支持向量机，并应用于睡眠打鼾疾病的诊断预测中，取得了较好的效果。

关键词: 最小二乘支持向量机, 多类分类, 最小输出编码, 阻塞性睡眠呼吸暂停低通气综合征