通过上图可以得到α1、α2上下界，显然当y1≠y2时：
下界：
上界：
而当y1=y2时：
下界：
上界：
有了上下界后，即可对新值做剪裁，具体规则为：
剪裁本质就是修改步长系数的过程，将剪裁后的α2新值代入公式(10.1)后获得α1新值。得到α1、α2后按照坐标上升法依次得到其他参数值，然后迭代多轮重复计算，可得到全体α值，同时根据公式(7.1)，可得参数ω值。
最后看下如何更新参数b的值，根据条件C-αi-μi=0,αi的新值经剪裁后恒有约束0≤αi≤C，接下来根据αi值的范围分别讨论。优化问题（8.1）有最优解时应满足KKT条件，即有下面等式存在：
情形一、当αi=0时，可得μi>0，ξi=0,此时有
情形二、当0<αi<C时,可得μi>0，ξi=0,根据公式(11)判断出
情形三、当αi=C时，此时μi=0，ξi≥0并且有,此时样本点xi大概率是一个异常点数据（是否是异常点还要看ξi值）。
对于情形二，由于αi对应的xi是支持向量，不失一般性，可设有0<α1<C：
对于情形一、情形二时，即α1、α2在边界时，这时两个变量的组合有三种：(0,0),(C,C),(0,C),通过观察α1、α2的线性关系图可以发现，在边界时，其实只有(0,C)这种情况。不妨设α1=0，α2=C,设b的目标值为bgoal,α1=0对应着x1是被正确分类的点，这时有：
而x1强行设为支持向量时，可利用公式(11.1)计算出