本发明提供一种基于特征提取和双支持向量机的分类器创建方法及装置，所述方法通过对样本数据进行特征提取，针对不同的任务进行数据优化，通过引入隶属度通过加权的方式控制每个样本点对训练集的隶属度，同时通过引入松弛变量平衡训练数据中的孤点或噪声点的约束条件，以减小样本中孤点或噪点导致的误差；进一步地，本发明通过采用加权的方式对成本进行控制，使用代价敏感学习框架，在模糊支持向量机中通过加权引入成本，以此来降低用等式表示数据不平衡问题的误差；进一步地，通过生成两个独立且不平行的超平面，使每个超平面都接近两个类别中的一个同时远离另一个，使得无需额外的外部优化器即可处理大规模的分类问题。