孪生支持向量机（TWSVM）是用于分类问题的经典距离度量学习方法。 TWSVM标准是根据平方的L2-范数距离制定的，因此容易受到异常值的影响。 在本文中，为了开发鲁棒的距离度量学习方法，我们为使用鲁棒的L1范数距离度量的TWSVM分类器提出了一个新的目标函数L1-TWSVM。 优化策略是通过使用健壮的L1范数距离而不是传统的L2范数距离来最大化类间距离色散与类内距离色散的比率。 最终的目标函数在优化方面更具挑战性，因为它涉及一个不平滑的L1范数项。 作为本文的重要贡献，我们设计了一种简单但有效的