针对最小二乘孪生支持向量机(LSTWSVM)精度较低和可能存在的"奇异性"问题,提出了一种最小二乘大间隔孪生支持向量机(LSLMTSVM).该算法在最小二乘孪生支持向量机的优化目标函数中引入了间隔分布,提高了算法的泛化性能.在目标函数中加入正则项,实现了结构风险最小化,进一步提高了分类能力.实验结果表明,最小二乘大间隔孪生支持向量机比已有的相关算法性能更优.