Functional data classification using twin support vector machines

Rastogi, Reshma

doi:10.1007/s12597-026-01127-9

Functional data classification using twin support vector machines

2026-03-01

0

PRE

AI

DOI：10.1007/s12597-026-01127-9

原文链接

原文求助

摘要

En 中文

传统机器学习算法主要针对基于向量的数据进行设计，因此往往无法有效利用表征函数数据固有连续性和平滑性的特征。这些方法将函数数据视为离散且受约束的观测序列，从而忽视了关于连续且一致函数模式的关键洞见，而这些模式定义了数据的底层生成过程。此外，该方法还受限于每个函数对象内部高度相关测量值的问题。为克服这些局限性，亟需开发能够有效利用数据函数形式和导数信息的模型。本文提出了一种函数孪生支持向量机（FTWSVM），旨在为函数数据生成两个非平行超平面，使得每个超平面更接近其中一个类别，同时尽可能远离另一个类别。我们结合函数信息和导数信息获取分类器，并应用投票策略计算分类结果。通过整合导数信息并采用基于投票的分类策略，所提出的FTWSVM增强了判别能力和鲁棒性。在基准数据集上的实验证明了FTWSVM在二分类及多分类场景下的有效性。

Keyword:

Twin support vector machine

Functional data classification

Functional derivative-based learning

Generalised eigenvalue support vector machine

Functional data classification using twin support vector machines

摘要

期刊

机构

引用论文