El diagnóstico clínico de la enfermedad de Parkinson (EP) ha sido objeto de investigación en robótica médica. Actualmente, un tema de investigación candente es cómo evaluar con precisión la gravedad de los pacientes con enfermedad de Parkinson y permitir que los robots médicos ayuden mejor a los pacientes en el proceso de rehabilitación. La tarea de caminar en la Escala Unificada de Calificación de la Enfermedad de Parkinson (UPDRS) es un criterio diagnóstico bien establecido para los pacientes con EP. Sin embargo, el diagnóstico clínico de la EP se determina en función de la experiencia clínica de los neurólogos, lo cual es subjetivo e inexacto. Por lo tanto, en este estudio, se propone un método de diagnóstico automatizado para la EP basado en una máquina de soporte de vectores multiclase (MCSVM) mejorada en la que se utilizan sensores portátiles. Se realizó un análisis cinemático para extraer características de la marcha, tanto espaciotemporales como cinemáticas, de los sensores IMU y de presión instalados. Se diseñaron experimentos de comparación de tres funciones de kernel diferentes y experimentos de trayectoria lineal. Los resultados experimentales muestran que las precisiones de las tres funciones de kernel propuestas de la MCSVM mejorada son del 92.43%, 93.45% y 95.35%. Las trayectorias de simulación de la MCSVM son las más cercanas a las trayectorias reales, lo que demuestra que la técnica tiene un mejor rendimiento en el diagnóstico clínico de la EP.