بررسی و توسعه مدل‌ بهینه‌سازی رویکرد ماشین بردار پشتیبان توام

مساله دسته‌بندی یکی از انواع مسائل یادگیری ماشین با نظارت است و برای آن رویکردهای مختلفی مطرح شده است. در این مقاله، به بررسی رویکرد ماشین بردار پشتیبان توام (tsvm) می‌پردازیم که ایده‌‌‌ آن برگرفته از روش ماشین بردار پشتیبان (svm) است. تفاوت عمده tsvm و svm آن است که در tsvm به جای یک ابرصفحه‌ جداکننده، دو ابرصفحه هریک متناظر با یکی از دسته‌ها ایجاد می‌گردد. در این مقاله، ابتدا مدل‌های بهینه‌سازی متداول برای tsvm که در ادبیات مطرح شده‌اند، بررسی می‌گردند و سپس، در راستای بهبود آنها، مدل‌های بهینه‌سازی جدیدی ارائه می‌شوند. نتایج محاسباتی روی داده‌های واقعی و نیز داده‌های تصادفی، کارایی مدل‌های جدید را از نظر شاخص‌های مختلف تصدیق می‌کنند.