支持向量機的硬件實現(xiàn)及其優(yōu)化.pdf_第1頁
已閱讀1頁,還剩65頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

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

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論