加权SVM是解决不均衡舌象样本分类和识别的有效方法,但在边界支撑向量很少是错分样本的情况下,已有方法有时不能取得良好的效果。本研究首先采用已有的加权方法进行舌象样本的分类与识别,在训练结果不能使得大小样本的分类率得到很好均衡的情形下,分别进一步加大和缩小重要样本和非重要样本的惩罚项,直到满足要求为止。理论分析和实验均表明该方法的有效性。