在许多应用问题中，如森林资源监测、林业遥感参数提取和森林生物量估计等，物种分类是一个必不可少的研究内容。近年来，孪生支持向量机作为一个有效的分类工具，因具较传统支持向量机在效率和性能上更好的优势而一直是支持向量机的研究热点问题。然而，现有的孪生支持向量机技术无法保证获取最好的鲁棒性。在大数据时代背景下，数据分布日趋复杂，且以各种形式呈现，如林业遥感图像，往往包含了大量的噪声或野值，因此，构建鲁棒孪生支持向量机，对推动机器学习和模式识别理论有着深远的意义。所以，本研究提出了一种切距离度量下孪生支持向量机方法，其思路在于将那些超过阈值的距离赋予固定的较小的值，以便减少野值因到平面距离过大对模型的支配。所构建的目标问题具非凸和非平滑性，为了获得解，设计了一个有效的求解策略，并从理论上证明了该算法的收敛性和解的存在性。在公共数据集上，验证了该算法的有效性。该研究成果，进一步为无人机图像技术在森林参数提取和森林生物量估计等研究提供了坚实的理论基础。
（王文泉/资源所）