支持向量機的硬件實現(xiàn)及其優(yōu)化.pdf

1、支持向量機(Support Vector Machine或SVM)作為機器學習中一個新興的領域，在人臉檢測、語音識別、圖像處理領域都有著廣泛的應用。這主要是由于支持向量機目標是在小樣本情況下追求學習的最優(yōu)性能，更加符合實際情況，從而在現(xiàn)實中具有更好的推廣能力。同時支持向量機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)帶來的巨大運算量等問題，從而使支持向量機的應用變得更為可能，應用范圍也更廣泛。正是如此，人們對其研究也越來越

2、深入。 本文重點研究支持向量機的硬件實現(xiàn)和優(yōu)化。文章首先分析研究了SVM的實現(xiàn)方法，并將其改進為易于硬件實現(xiàn)的算法一非固定偏置硬件算法。在上述算法基礎上，作者提出了兩種電路結構。文中首先介紹基于串行結構的SVM，在列出的結構圖上詳細分析介紹了以上算法如何在硬件上實現(xiàn)，并敘述了該實現(xiàn)對面積速度的影響。隨后對于并行結構的SVM，則主要對它與串行結構的不同之處進行介紹，這包括速度和面積的差異。 最后，論文重點介紹了以上結構的S