现有的基于凸壳的支持向量机(SVM)算法处理机械装备产生的大规模原始数据时间太长。针对这一问题,通过结合轮廓提取算法(Alpha Shapes)和快速凸壳算法,提出一种结合改进快速凸壳算法的SVM用于故障诊断研究。该融合算法利用改进简化的Alpha Shapes算法提取点集的边界数据点,作为改进的快速凸壳算法的对象,减少凸壳算法递归的工作量。实验结果表明:该算法平均只提取了数据集0.26%的数据点,且计算的时间也相应降低。最后实验同样表明该算法的性能优于单一