基于硬件友好核函數(shù)LS-SVM的FPGA實現(xiàn)及其在藥品鑒別中的應用.pdf

1、假藥不僅嚴重危害人類的健康,而且給合法藥品生產(chǎn)企業(yè)造成巨大的經(jīng)濟損失。藥品安全問題是世界各國尤其是發(fā)展中國家共同面臨的問題之一。近紅外光譜分析技術具有快速、準確、無污染、不破壞等優(yōu)點,非常適合于藥品分析。因此,提出一種快速、準確、針對藥品的近紅外光譜分析方法非常的必要。
　　為了有效解決這個問題,本文開創(chuàng)性地將硬件友好核函數(shù)(hardware friendly kernel,HFK)引入到最小二乘支持向量機(least squar

2、es support vector machine, LS-SVM)的訓練和決策階段的計算中。在FPGA平臺上實現(xiàn)基于 HFK的 LS-SVM并行、串行計算結(jié)構(gòu),并對兩種結(jié)構(gòu)的訓練速度和資源消耗進行比較研究。同時還與基于高斯核函數(shù)的硬件實現(xiàn)結(jié)構(gòu)和軟件環(huán)境實現(xiàn)結(jié)果進行比較。實驗表明,基于HFK的 LS-SVM硬件實現(xiàn)結(jié)構(gòu)具有分類準確率高、訓練速度快等優(yōu)點。在以上研究基礎上,嘗試將研究成果應用于某藥廠的琥乙紅霉素片 NIR光譜數(shù)據(jù)分析,從而

3、鑒別藥品的真假。本文的主要工作如下:
　　1、提出基于HFK的LS-SVM FPGA計算結(jié)構(gòu),并使用VHDL實現(xiàn)。其中包括并行、串行訓練硬件計算結(jié)構(gòu)以及決策函數(shù)硬件實現(xiàn)結(jié)構(gòu)。
　　2、使用UCI標準數(shù)據(jù)集對基于HFK的LS-SVM FPGA并行、串行計算結(jié)構(gòu)的硬件資源消耗、訓練速度、分類準確率等性能參數(shù)進行測試。實驗表明:并行、串行計算結(jié)構(gòu)都能對線性可分和線性不可分問題進行較好的分類,驗證了該硬件計算結(jié)構(gòu)的正確性。隨著訓練樣

4、本數(shù)的增加,并行計算結(jié)構(gòu)硬件資源的消耗量幾乎成線性增長,而串行計算結(jié)構(gòu)硬件資源的消耗量增長比較小,這是串行計算結(jié)構(gòu)的一大優(yōu)點。但對于硬件資源寬裕并且對速度要求更高的場合,并行計算結(jié)構(gòu)將是一個很好的選擇。
　　3、將基于HFK的LS-SVM FPGA實現(xiàn)結(jié)構(gòu)與基于高斯核函數(shù)的LS-SVM FPGA實現(xiàn)結(jié)構(gòu)性能參數(shù)進行比較。實驗表明:同樣的數(shù)據(jù)集,兩者消耗相同的硬件資源,都能獲得較高的分類準確率,但硬件友好核函數(shù)能獲得更快的訓練速度,

5、最高可達到5.1倍。基于兩種核函數(shù)的硬件實現(xiàn)結(jié)構(gòu)獲得與軟件實現(xiàn)方式相近的分類準確率,進一步證明本文提出的LS-SVM硬件實現(xiàn)的正確性。
　　4、利用ModelSim仿真平臺對本文提出的基于HFK的LS-SVM決策函數(shù)硬件計算結(jié)構(gòu)進行二分類和多分類實驗。使用適當?shù)亩c數(shù)精度,該硬件實現(xiàn)方法獲得與LIBSVM軟件包同樣的分類準確率。本文還對 LS-SVM的輸入?yún)?shù)采用定點數(shù)進行運算做了初步的研究;在不降低 LS-SVM決策函數(shù)分類性能

6、的情況下,獲得了輸入?yún)?shù)的最小位數(shù)。由于SVM的決策函數(shù)結(jié)構(gòu)形式與LS-SVM的相同,因此,該計算方案同樣適用于SVM。
　　5、將基于HFK的LS-SVM并行、串行FPGA計算結(jié)構(gòu)以及基于高斯核函數(shù)的FPGA計算結(jié)構(gòu)分別應用于某藥廠琥乙紅霉素片NIR光譜建模及分析。由于單個NIR光譜數(shù)據(jù)樣本采樣點比較多(維數(shù)比較高),我們首先采用PLS算法對NIR光譜數(shù)據(jù)進行降維;然后,采用基于兩種核函數(shù)的硬件計算結(jié)構(gòu)以及軟件實現(xiàn)方式進行比較研