Solving a quadratic programming problem involved in training support vector machines by sweeping through a set of training examples, solving small sub-problems of the quadratic programming problem. Each of these sub-problems has an analytic solution, which is faster that the numerical quadratic programming solutions used in the prior art. In one embodiment, training examples with non-optimal Lagrange multipliers are adjusted, one at a time, until all are optimal (e.g. until all examples fulfill the Kuhn-Tucker conditions). In another embodiment, training examples with non-optimal Lagrange multipliers are paired and then adjusted, until all are optimal.

Oplossend een vierkantig programmeringsprobleem betrokken bij de vectormachines van de opleidingssteun door door een reeks te vegen die opleidingsvoorbeelden, kleine deelproblemen van het vierkantige programmeringsprobleem oplost. Elk van deze deelproblemen heeft een analitische oplossing, die sneller is dat de numerieke vierkantige programmeringsoplossingen die in het vroegere art. worden gebruikt. In één belichaming, worden de opleidingsvoorbeelden met de niet optimale multiplicatoren van Lagrange aangepast, tegelijkertijd, tot allen optimaal zijn (b.v. tot alle voorbeelden de voorwaarden kuhn-Tucker vervullen). In een andere belichaming, zijn de opleidingsvoorbeelden met de niet optimale multiplicatoren van Lagrange in paren gerangschikt en dan aangepast, tot allen optimaal zijn.