Twin-KSVC (Twin Support Vector Classification para clase) es una máquina de vectores de soporte gemelos novedosa y eficiente. Sin embargo, Twin-KSVC tiene las siguientes desventajas. (1) Cada par de subclasificadores binarios tiene que calcular matrices inversas. (2) Para problemas no lineales, un par de problemas primales adicionales necesita ser construido en cada par de subclasificadores binarios. Debido a estas desventajas, en este artículo se propone una nueva máquina de vectores de soporte de hipersfera gemela multiclase, llamada Twin Hypersphere-KSVC. Twin Hypersphere-KSVC también evalúa cada muestra en una estructura 1-vs-1-vs-rest, como en Twin-KSVC. Sin embargo, nuestro Twin Hypersphere-KSVC no busca dos hiperplanos no paralelos en cada par de subclasificadores binarios como en Twin-KSVC, sino un par de hipersferas. En comparación con Twin-KSVC, Twin Hypersphere-KSVC evita el cálculo de matrices inversas y, para problemas no lineales, puede aplicar el truco del kernel directamente al caso lineal. Un gran número de comparaciones de Twin Hypersphere-KSVC con Twin-KSVC en un conjunto de conjuntos de datos de referencia del repositorio de UCI y varias aplicaciones de ingeniería real, muestran que el algoritmo propuesto tiene una velocidad de entrenamiento más alta y un mejor rendimiento de generalización.