1、垃圾標簽檢測是一個二分類問題，可以使用二分類的SVM支持向量機來實現(xiàn)。傳統(tǒng)SVM在處理垃圾標簽檢測上存在以下問題：垃圾標簽的訓練集規(guī)模非常龐大，而且它的數(shù)據(jù)有高維性、特征復雜等特點，使用傳統(tǒng)的SVM直接對垃圾標簽數(shù)據(jù)集進行訓練學習，會耗費較長時間，學習精度也受影響。本文提出使用半定規(guī)劃核對傳統(tǒng)的SVM進行改進，主要工作如下：
　　 1、使用K-means聚類算法抽取特征向量訓練SVM，是提高SVM訓練效率的一種方法。垃圾標簽數(shù)據(jù)

2、具有很強的非線性，傳統(tǒng)K-means算法的歐氏距離無法有效地處理非線性數(shù)據(jù)，抽取到的垃圾標簽特征向量質量不高。SVM核函數(shù)是有較強的非線性映射能力，本文將核函數(shù)與K-means聚類算法相結合，提出新算法半定規(guī)劃核K-means聚類算法，從而提高了K-means算法提取垃圾標簽的能力，并通過實驗驗證新算法的有效性和可行性。
　　 2、不同的SVM核函數(shù)，其非線性映射特征不同。采用多種核函數(shù)組合的方法，是提高SVM分類能力的一個途徑