为解决多分类问题，基于因素空间理论中因素显隐的思想，在扫类连环分类算法基础上，定义类别的合并，提出因素显隐的合并扫类连环分类方法，给出算法步骤，并用数值算例进行分析；定义类别的两两组合，提出因素显隐的两两扫类连环分类方法，给出算法步骤，并用数值算例进行分析。提出采用因素显隐的差额绝对值方法解决两个算法执行过程中出现的决策类别分不开的问题；对UCI数据集中3个实例与支持向量机作了算法对比分析，研究结果表明：提出的合并扫类连环分类方法、两两扫类连环分类方法实现了因素显隐，分类算法的精确度优于支持向量机。多分类学习的因素显隐研究结论拓展了因素空间的理论及应用研究。