为了提高经典支持向量机（SVM）分类器的运算效率，提出一种改进的快速SVM分类器。针对低维空间向高维空间变换时核矩阵运算效率低的问题，采用本征分解方法对核矩阵进行降维处理，得到核矩阵的近似表示；同时，对训练子集进行划分，随机抽样训练样本进行学习，进一步提高SVM分类器的运算效率。图像分类实验结果表明，改进的SVM分类器不仅分类正确率高于经典SVM、随机森林和神经网络分类器，而且训练耗时最少，平均分类耗时也低于经典SVM分类器。