在现代世界中,一次处理大量数据的网络技术领域有了巨大的发展。这些数据可以是结构化、半结构化或非结构化的。为了从这类数据中高效地挖掘有价值的信息,大数据技术越来越受到重视。数据挖掘应用因其在分析大量实时数据方面优于传统的网络技术而被广泛应用于公共和私营部门。数据挖掘主要依赖于3v,即处理数据的量(Volume)、量(variety)和速度(Velocity)。Volume指的是它收集的海量数据,Velocity指的是它处理数据的速度,Variety定义的是多维数据,可以是数字、日期、字符串、地理空间数据、3D数据、音频文件、视频文件、社交文件等。这些存储在大数据中的数据将来自不同的来源,不同的速率和不同的类型;因此,它将不同步。这是处理大数据的最大挑战之一。第二个挑战是根据第三V即速度,从这些数据中挖掘有价值和相关的信息。 Speed is highly important as it is associated with cost of processing. This paper focuses detailed study of accelerated PSO Swarm search feature selection and use of support vector machine.