在SVM 训练过程中,二次规划问题的求解制约着SVM 应用于大规模数据.SVM 的决策函数由邻近分类超平面的部分训练样本--支持向量决定.基于减小训练样本数目,加快SVM 训练过程的目的,提出一种基于二分网格的边界样本提取方法.数据仿真实验表明,该方法具有边界样本提取准确,效率高,速度快,能够自适应样本分布的优点,而且不会显著降低SVM分类器的性能.