【摘要】： 支持向量機(jī)(Support Vector Machine或SVM)作為機(jī)器學(xué)習(xí)中一個(gè)新興的領(lǐng)域,在人臉檢測(cè)、語音識(shí)別、圖像處理領(lǐng)域都有著廣泛的應(yīng)用。這主要是由于支持向量機(jī)目標(biāo)是在小樣本情況下追求學(xué)習(xí)的最優(yōu)性能,更加符合實(shí)際情況,從而在現(xiàn)實(shí)中具有更好的推廣能力。同時(shí)支持向量機(jī)通過引入特征空間和核函數(shù)解決了非線性劃分以及特征空間高維數(shù)帶來的巨大運(yùn)算量等問題,從而使支持向量機(jī)的應(yīng)用變得更為可能,應(yīng)用范圍也更廣泛。正是如此,人們對(duì)其研究也越來越深入。 本文重點(diǎn)研究支持向量機(jī)的硬件實(shí)現(xiàn)和優(yōu)化。文章首先分析研究了SVM的實(shí)現(xiàn)方法,并將其改進(jìn)為易于硬件實(shí)現(xiàn)的算法——非固定偏置硬件算法。在上述算法基礎(chǔ)上,作者提出了兩種電路結(jié)構(gòu)。文中首先介紹基于串行結(jié)構(gòu)的SVM,在列出的結(jié)構(gòu)圖上詳細(xì)分析介紹了以上算法如何在硬件上實(shí)現(xiàn),并敘述了該實(shí)現(xiàn)對(duì)面積速度的影響。隨后對(duì)于并行結(jié)構(gòu)的SVM,則主要對(duì)它與串行結(jié)構(gòu)的不同之處進(jìn)行介紹,這包括速度和面積的差異。 最后,論文重點(diǎn)介紹了以上結(jié)構(gòu)的SVM在Sonar數(shù)據(jù)庫(kù)上的測(cè)試。發(fā)現(xiàn)字長(zhǎng)精度Δ≤2~(-10),才能保證對(duì)最終的分類效果沒有影響;同時(shí)基于串行結(jié)構(gòu)的SVM在速度和面積上有很好的平衡性,在樣本的適應(yīng)性上較強(qiáng),可適用于少于設(shè)計(jì)數(shù)目的樣本情況,而并行結(jié)構(gòu)則在速度上有較大優(yōu)勢(shì),可以在高速場(chǎng)合應(yīng)用。
【圖文】：

的C一支持向量分類機(jī)以及其變種u一支持向量分類機(jī)。上述分類也可以看作SVM推廣過程中對(duì)其中各個(gè)階段分類機(jī)的稱呼，而線性硬間隔分類機(jī)則是最基本的分類向量機(jī)，其中發(fā)展關(guān)系則可用圖1表示。實(shí)際應(yīng)用中，以C一支持向量機(jī)以及u一支持向量機(jī)應(yīng)用范圍最廣，它們擁有線性軟間隔分類和非線性硬間隔分類兩種方法的優(yōu)點(diǎn)。線性硬間隔分類機(jī)CCC一支持向量分類機(jī) 機(jī)機(jī)卜支持向量分類機(jī)機(jī)圖1一1支持向量分類機(jī)關(guān)系圖對(duì)于支持向量回歸機(jī)，可以采用類似于分類機(jī)的定義方式，它指的是:基于一個(gè)給定的樣本集尸二(x，，戈染l，戈。R，，xjoX二叭，，尋找擬合樣本集輸入與輸出關(guān)系的函數(shù)f(x)=w·尹 (x)+b(1.2)同時(shí)用這個(gè)f(x)來判別未知輸入向量戈的輸出的過程。與支持向量分類機(jī)不同的是這里用f(x)判別xi后的輸出yi是實(shí)數(shù)

在著參數(shù)對(duì)(w，b)使得yi=sgn《w·x、)+b)i二1，…，l可以求解這樣的分類問題。但是很明顯，這樣的參數(shù)對(duì)有很多，它們構(gòu)成的超平面都可以對(duì)訓(xùn)練點(diǎn)進(jìn)行正確的分類(見圖2一1)。這就需要有一個(gè)選擇標(biāo)準(zhǔn)，并能夠從理論和實(shí)際上都獲得最好的分類效果，通常我們使用最大間隔法。所謂最大間隔法，就是使得兩類樣本中距超平面最近的點(diǎn)到超平面的距離之和(margin)最大的超平面，我們稱該超平面為最優(yōu)超平面。圖2一1可正確劃分的超平面
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2008
【分類號(hào)】：TP181;TP302

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉學(xué)勝;;基于PCA和SVM算法的人臉識(shí)別[J];計(jì)算機(jī)與數(shù)字工程;2011年07期

2 王素云;崔麗威;宮雷;曹蘇娜;;SVM方法在滾動(dòng)軸承故障診斷中的應(yīng)用[J];西安文理學(xué)院學(xué)報(bào)(自然科學(xué)版);2011年03期

3 楊大鵬;趙京東;崔平遠(yuǎn);姜力;劉宏;;基于支持向量機(jī)的人手姿態(tài)肌電模式識(shí)別與力檢測(cè)[J];高技術(shù)通訊;2010年06期

4 何俊強(qiáng);李建勇;姜濤濤;代勤芳;唐超;;GASA-SVM改進(jìn)算法及其在柴油機(jī)供油系統(tǒng)故障診斷中的應(yīng)用[J];西南科技大學(xué)學(xué)報(bào);2011年02期

5 孔浩;楊勇;王國(guó)胤;;基于多分類器融合的語音識(shí)別方法研究[J];重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年04期

6 王朋宇;郭崎;沈海華;陳云霽;張珩;;使用支持向量機(jī)的微處理器驗(yàn)證向量?jī)?yōu)化方法[J];高技術(shù)通訊;2010年01期

7 阿爾達(dá)克;塔西甫拉提·特依拜;張飛;;SAR圖像鹽漬地分類研究[J];遙感信息;2011年04期

8 戴磊;云曉春;張永錚;吳志剛;;一種基于TCM主動(dòng)學(xué)習(xí)的P2P流識(shí)別技術(shù)[J];高技術(shù)通訊;2010年07期

9 宋翠玉;李培軍;楊鋒杰;;基于多元局部二值模式的遙感圖像紋理提取與分類[J];遙感技術(shù)與應(yīng)用;2011年03期

10 郭金玲;樊東燕;;基于SVM的山西省旅游需求預(yù)測(cè)與分析[J];電腦開發(fā)與應(yīng)用;2011年09期

相關(guān)會(huì)議論文 前10條

1 朱蕾;朱國(guó)棟;石江;;SVM方法在烏魯木齊機(jī)場(chǎng)跑道視程預(yù)測(cè)中的應(yīng)用[A];中國(guó)氣象學(xué)會(huì)2007年年會(huì)天氣預(yù)報(bào)預(yù)警和影響評(píng)估技術(shù)分會(huì)場(chǎng)論文集[C];2007年

2 常濤;;支持向量機(jī)在烏魯木齊大氣污染預(yù)報(bào)中的應(yīng)用研究[A];中國(guó)氣象學(xué)會(huì)2008年年會(huì)大氣環(huán)境監(jiān)測(cè)、預(yù)報(bào)與污染物控制分會(huì)場(chǎng)論文集[C];2008年

3 王在文;;SVM方法在快速訂正中的應(yīng)用研究[A];中國(guó)氣象學(xué)會(huì)2005年年會(huì)論文集[C];2005年

4 宋普云;沈雪勤;吳清;;一種改進(jìn)的SMO算法[A];第六屆全國(guó)計(jì)算機(jī)應(yīng)用聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2002年

5 張鈸;張鈴;;統(tǒng)計(jì)學(xué)習(xí)理論及其應(yīng)用[A];2001年中國(guó)智能自動(dòng)化會(huì)議論文集（上冊(cè)）[C];2001年

6 張國(guó)宣;孔銳;施澤生;郭立;;一種新的基于聚類的SVM迭代算法[A];第二屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

7 孫向東;黃日波;;運(yùn)用SVMs原理預(yù)測(cè)蛋白質(zhì)二級(jí)結(jié)構(gòu)研究[A];廣西微生物學(xué)會(huì)2003年學(xué)術(shù)年會(huì)論文集[C];2003年

8 劉斌;魏賢龍;李卓;;基于支持向量機(jī)的Widrow自適應(yīng)濾波器[A];2006中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

9 徐元順;劉志勇;李曉蘭;陳建州;;支持向量機(jī)在水文氣象中的應(yīng)用[A];2008年湖北省氣象學(xué)會(huì)學(xué)術(shù)年會(huì)學(xué)術(shù)論文詳細(xì)文摘匯集[C];2008年

10 孟祥國(guó);馬軍;段昕;;基于統(tǒng)計(jì)學(xué)習(xí)理論的支持向量機(jī)算法研究[A];2006年全國(guó)理論計(jì)算機(jī)科學(xué)學(xué)術(shù)年會(huì)論文集[C];2006年

相關(guān)博士學(xué)位論文 前10條

1 馮云龍;統(tǒng)計(jì)學(xué)習(xí)理論中基于核的算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2012年

2 徐紅敏;基于支持向量機(jī)理論的水環(huán)境質(zhì)量預(yù)測(cè)與評(píng)價(jià)方法研究[D];吉林大學(xué);2007年

3 李萌;旋轉(zhuǎn)機(jī)械軸承故障的特征提取與模式識(shí)別方法研究[D];吉林大學(xué);2008年

4 殷志偉;基于統(tǒng)計(jì)學(xué)習(xí)理論的分類方法研究[D];哈爾濱工程大學(xué);2009年

5 陳梅香;基于SVM和GIS的梨小食心蟲預(yù)測(cè)系統(tǒng)的研究[D];北京林業(yè)大學(xué);2010年

6 周綺鳳;基于支持向量機(jī)的若干分類問題研究[D];廈門大學(xué);2007年

7 孫宗海;支持向量機(jī)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2003年

8 徐海祥;基于支持向量機(jī)方法的圖像分割與目標(biāo)分類[D];華中科技大學(xué);2005年

9 唐發(fā)明;基于統(tǒng)計(jì)學(xué)習(xí)理論的支持向量機(jī)算法研究[D];華中科技大學(xué);2005年

10 何世鈞;電容層析成像系統(tǒng)的研究與應(yīng)用[D];天津大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 滕文凱;支持向量機(jī)反問題及其解法[D];河北大學(xué);2005年

2 杜曉東;基于支持向量機(jī)的數(shù)據(jù)挖掘方法[D];山東大學(xué);2005年

3 王李東;基于支持向量機(jī)（SVM）的短期負(fù)荷預(yù)測(cè)的研究[D];華中科技大學(xué);2005年

4 郭得令;基于LS-SVM的圍巖位移非線性預(yù)測(cè)應(yīng)用研究[D];武漢理工大學(xué);2006年

5 詹超;支持向量機(jī)在基因表達(dá)數(shù)據(jù)分類中的研究[D];武漢理工大學(xué);2006年

6 馬潔;基于支持向量機(jī)的股市預(yù)測(cè)問題研究[D];天津大學(xué);2006年

7 高異;基于支持向量機(jī)的非線性系統(tǒng)建模與控制[D];西安理工大學(xué);2006年

8 鄧小文;基于SVM的柴油機(jī)機(jī)械故障診斷研究[D];廈門大學(xué);2006年

9 王忠文;統(tǒng)計(jì)學(xué)習(xí)理論及其在地學(xué)中的應(yīng)用研究[D];吉林大學(xué);2007年

10 蔣琳瓊;基于支持向量機(jī)的貨幣識(shí)別研究[D];中南大學(xué);2007年

本文編號(hào)：2594871