SVM算法研究及CCS軟件仿真.pdf

1、統(tǒng)計學習理論是一種專門研究小樣本情況下機器學習規(guī)律的理論。支持向量機(SVM)是建立在統(tǒng)計學習理論基礎之上，根據(jù)有限的樣本信息在模型的復雜性和學習能力之間尋求最佳折衷，克服了神經(jīng)網(wǎng)絡分類和傳統(tǒng)統(tǒng)計分類的許多缺點，具備較高的泛化性能。 本文對SVM的原理、分類算法、實現(xiàn)和應用進行了深入地研究，提出了SVM算法的一種DSP實現(xiàn)方法，并通過CCS軟件仿真和開發(fā)板調(diào)試，驗證了該方法的可行性。實驗結(jié)果表明了運算效率的提高，以及在實際系統(tǒng)應

2、用的可行性。論文的主要工作包括： (1)SVM是建立在VC維，泛化性能和推廣能力之上的一種理論，對SVM中的相關(guān)概念支持向量和核函數(shù)進行了介紹。 (2)SVM算法的分析和研究：在SVM理論基礎之上形成了很多SVM算法，從經(jīng)典的基本分類算法到塊算法，再到分解算法以及由分解算法派生出來的各種改進的分解算法，本文重點研究了SMO算法。 (3)本文對DSP的硬件結(jié)構(gòu)和軟件開發(fā)進行了研究，并對SVM算法在DSP上的實現(xiàn)進行