提出了一种基于最优分类特征的偏二叉树孪生支持向量机多分类算法（OCF-PBT-TWSVM），以实现针对齿廓图像边缘失真的非平稳瞬态随机信号进行有效分类，满足齿轮视觉测量实时性和失真补偿精度的要求.选择边缘动态分量信号最大值vm、边缘失真信号位置q_u、边缘失真率r_lv构成特征向量，组成训练样本集和测试样本集；以失真补偿需求为目标定义变权值特征向量测度γ，按照γ递减原则自顶向下完成OCF-PBT-TWSVM算法构建；采用粒子群优化方法进行算法参数优化，使c1,c2,g参数的性能达到最优.试验结果表明：在小样本数据情况下，提出的OCF-PBT-TWSVM多分类算法的最终分类准确率达96.96%，与PBT-SVM多分类算法相比具有更好的分类效果、训练速度也更快，能够满足后续失真补偿测量精度和齿轮视觉测量实时性的需求.