基于计算几何理论, 在分析支持向量与凸包向量关系的基础上, 提出了一种基于中心凸包算法与增量 学习的 SVM 学习算法。在确保分类器达到可靠精度的前提下, 为解决学习中时耗过长的问题, 在对当前训练集计算 凸包的基础上采用欧式中心距离淘汰法对训练样本进一步精简,并且每次进行增量学习的样本都包含前次训练样 本集中违背 KKT 条件的样本,在 UCI 数据库上进行算法对比实验, 结果表明算法的可行性和有效性。