针对传统的模糊支持向量机（FSVM）算法对边缘噪声敏感的不足，提出一种基于非线性紧密度和K最近邻方法（KNN）相结合的FSVM算法。该方法在计算样本隶属度大小时既考虑样本与类中心的距离，类中样本的紧密度，同时还考虑与其他类样本间的关系，其中紧密度的计算采用非线性数据分布描述方法进而使计算的隶属度更精确。实验结果同传统FSVM及其他改进的FSVM算法进行比较，对于国际标准测试数据及轴承故障检测问题，结果验证了建议算法具有很强的鲁棒性及高效的检测性能。