针对SVM在对大规模数据分类时求解规模过大的问题，提出了一种缩减数据集以提高训练速度的方法。该算法的第一步利用基于密度的方法大致定位能代表某个局域的质点，然后用SVM训练缩减后的数据得到一组支持向量，第二步的训练数据由支持向量以及其所代表的样本点构成。仿真实验证明该算法在保证分类准确率的情况下能有效地提高分类速度。