摘要：经典svm( Support Vector Machines)在处理二分问题时具有良好表现,而当面临求解多分类问题时,往往采用构建O(n2)复杂度的多个二分类器,当分类数较多时计算性能受到较大影响。本文介绍了超球svm的原理,首次将解二分问题的SMO(Sequential Minimal Optimization)算法、及Lin-方法(林智仁等的Libsvm工具包相关论文成果)中关于停机准则与工作集选择的相关算法,应用于基于超球的多分类问题求解,进而提出了两种核矩阵的存储方式,并最终用程序设计语言实现该求解过程。程序的测试结果证明,使用基于超球的多分类解决方案,在预测精度上与其他同类工具包相比效果相当或略优于它们,并证实,O(n)复杂度的超球svm多分类问题求解模型,在训练速度上明显占有优势。