支持向量机是最有效的分类技术之一，具有很高的分类精度和良好的泛化能力，但其应用于大型数据集时的训练过程还是非常复杂。对此提出了一种基于单类支持向量机的分类方法。采用随机选择算法来约简训练集，以达到提高训练速度的目的；同时，通过恢复超球体交集中样本在原始数据中的邻域来保证支持向量机的分类精度。实验证明，该方法能在较大程度上减小计算复杂度，从而提高大型数据集中的训练速度。