法庭地质学是一门将地质学科的知识和技术应用到法庭物证当中的现代学科。其中泥土是重要的检验材料之一,通过对案件泥土物证的检验,判断泥土样品的来源,可以为案件的侦破提供线索和方向。国内相关部门对全国范围典型泥土数据量的收集较少,且对泥土物证的分析大多还停留在人工比对的阶段,因此本文在研究国内外相关理论的基础上,对实际的泥土样本数据的特点进行分析,设计了合理的综合分类流程算法,构建了一套针对泥土数据分类的法庭地质学多元数据智能分析系统,实现了对法庭地质学中泥土物证的多元指标综合分类,同时对泥土数据高维可视化进行了技术研究和系统实现。论文的主要工作如下:（1）在对当前国内外法庭地质学发展研究的基础上,对课题提供的泥土数据集的种类以及分布特点进行了分析,提出“散云团”分布的概念。并对常用数据挖掘技术、小样本增广技术进行了深入研究。（2）法庭地质学泥土样品数量有限,导致训练样本数量不足,出现了分类模型过拟合现象发生,严重制约了分类算法的准确性。通过分析现有数据增广算法的优缺点,提出了一种新的数据增广算法C-SMOTE算法,并与其它增广算法进行对比,分别以泥土的5类指标数据进行实验,结果表明使用C-SMOTE算法增广后的训练数据,可使分类准确率得到明显的提升。（3）传统的数据可视化往往无法满足对高维度数据可视化需求,论文根据泥土数据的特点,研究了高维度数据的可视化原理,包括平行坐标图、RadViz图等等,并且在Chernoff脸谱图方法中引入了信息熵的概念,提高了不同类高维数据可视化的区分度,为使用者更好的发现高维度数据背后隐藏的信息提供必要的技术支持。（4）泥土数据按其指标分为字符型数据与数值型数据。系统总体分类算法流程设计为先进行字符型数据分类,将待分类种类聚焦、减少;再进行数值型分类,采用C-SMOTE算法扩充训练样本数据集,提高分类器对每一种指标的分类准确率;最后根据集成学习的思想,采用投票选择的方式确定泥土样品的最终溯源结果。经过实验表明,该分类流程在C-SMOTE算法的基础上进一步提高分类的准确率。最后,本文采用软件工程的流程,对系统进行了需求分析、概要设计和详细设计,完成了法庭地质学多元数据智能分析系统的开发。