SVM算法研究及CCS軟件仿真.pdf

1、統(tǒng)計(jì)學(xué)習(xí)理論是一種專門研究小樣本情況下機(jī)器學(xué)習(xí)規(guī)律的理論。支持向量機(jī)(SVM)是建立在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)之上，根據(jù)有限的樣本信息在模型的復(fù)雜性和學(xué)習(xí)能力之間尋求最佳折衷，克服了神經(jīng)網(wǎng)絡(luò)分類和傳統(tǒng)統(tǒng)計(jì)分類的許多缺點(diǎn)，具備較高的泛化性能。 本文對(duì)SVM的原理、分類算法、實(shí)現(xiàn)和應(yīng)用進(jìn)行了深入地研究，提出了SVM算法的一種DSP實(shí)現(xiàn)方法，并通過CCS軟件仿真和開發(fā)板調(diào)試，驗(yàn)證了該方法的可行性。實(shí)驗(yàn)結(jié)果表明了運(yùn)算效率的提高，以及在實(shí)際系統(tǒng)應(yīng)

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(duì)SVM中的相關(guān)概念支持向量和核函數(shù)進(jìn)行了介紹。 (2)SVM算法的分析和研究：在SVM理論基礎(chǔ)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(jìn)的分解算法，本文重點(diǎn)研究了SMO算法。 (3)本文對(duì)DSP的硬件結(jié)構(gòu)和軟件開發(fā)進(jìn)行了研究，并對(duì)SVM算法在DSP上的實(shí)現(xiàn)進(jìn)行