物质的太赫兹光谱包含着非常丰富的物理和化学信息.它对化合物晶体具有高的灵敏度、单光子能量低等特点.但受到检测人员知识背景、背景噪声、识别算法精度等因素的影响,光谱样本识别准确率和效率较低.为了提高对太赫兹光谱的检测能力,提出应用基于凸组合核函数的support vector machines(SVM)对化合物的THz脉冲透射谱进行分类.在使用小波变换对数据进行滤波预处理之后,提取了传统波峰、波谷位置特征和term frequency-inverse document frequency(TF-IDF) 最大间隔特征.TF-IDF方法使用信息论的原理确定每个采样点的权重,选择权重较大的点作为特征.针对太赫兹透射谱特征相似、维数较低带来的分类困难问题,构建基于凸组合核函数的SVM分类模型.并利用核评价的方法,通过高维非线性规划方程求解最优凸组合参数.当最优凸组合参数被确定时,构建分类模型进行分类和预测.相比较于单一核函数,凸组合核函数将透射谱特征与分类模型融合起来.对于不同的检测样本,数据经过凸组合核函数映射到高维空间后,特征具有更显著的区分度.使用不同的太赫兹透射谱样本进行分类实验,结果表明,分类准确率得到极大提高.