本文重点讨论了基于最小二乘支持向量机的传感器重构问题,以不确定度分析为切入点,分别对最小二乘支持向量机的参数优选、过拟合问题进行分析,期以得到一个高精度的重构方法,并可同时应用于单一功能传感器和具有多输入多输出特性的多功能传感器。通过对Jackknife,Bootstrap等统计学方法的深入研究,本文建立了一个以不确定度分析为基础的评价体系,引入了一种类似于Bootstrap方法的重抽样方法。利用该方法,既完成了对不确定度估计的优化,又避免了系统的过拟合问题,同时克服了Bootstrap方法无法应用于传感器重构的困难。在利用遗传算法进行最小二乘支持向量机参数优选的过程中,考虑到计算量的问题,通过对遗传算法原理的分析,提出了一种简单的分步遗传算法,利用该方法,结合优化后的评价体系,可在不改变精度的前提下有效地减少计算量,提高系统效率。利用铂电阻、电阻网络等系统模型分别进行单功能与多功能传感器重构仿真实验,并对实验结果进行分析、讨论。通过仿真结果可知,在系统中引入不确定度分析取得了预期的良好效果,在避免了过拟合问题的同时,提高了重构的精度。