对支持向量机（Twin Support Vector Machine，TWSVM）的优化思想源于基于广义特征值近似支持向量机（Proximal SVM based on Generalized Eigenvalues，GEPSVM）。该算法将传统SVM问题分解为两个凸规划问题，使得训练速度缩减到原来的1/4。对TWSVM做了修正，基于新的优化准则设计了一种特殊TWSVM（GTWSVM），在此基础上，提出了快速GTWSVM（FGTWSVM），其将GTWSVM转换为无约束凸规划问题求解。该算法在保证得到与TWSVM相当的分类性能以及较快的计算速度的同时，还减少了输入空间的特征数以及内存占用。对于非线性问题，FGTWSVM可以减少核函数数目。
