最小二乘支持向量机是在支持向量机的基础上，把优化问题中不等式约束改为等式约束而获得的分类器。最近的研究表明，样例本身的结构信息对得到一个好的分类器起着至关重要的作用。针对最小二乘支持向量机（LSSVM）未考虑样例本身的结构信息，提出了结构化最小二乘支持向量机（SLSSVM），SLSSVM通过在目标函数中引入协方差矩阵来考虑样例的结构信息，从而提高了分类器的分类精度。针对结构化最小二乘支持向量机（SLSSVM）对异常点敏感，提出了结构化加权最小二乘支持向量机(SWLSSVM)，SWLSSVM通过在目标函数中引入协方差矩阵考虑了样例的结构信息；同时为了减少异常点的影响，根据本类样本点到该类中心的距离对误差项进行加权。实验表明，SWLSSVM、SLSSVM与LSSVM和SVM相比具有更好的分类精度。