计算机工程与设计
計算機工程與設計
계산궤공정여설계
COMPUTER ENGINEERING AND DESIGN
2010年
11期
2572-2576
,共5页
李岩%郝建青%孙永钢%冯莉%张礼勇
李巖%郝建青%孫永鋼%馮莉%張禮勇
리암%학건청%손영강%풍리%장례용
支持向量机%电容层析成像%图像重建%硬件化%现场可编程门阵列
支持嚮量機%電容層析成像%圖像重建%硬件化%現場可編程門陣列
지지향량궤%전용층석성상%도상중건%경건화%현장가편정문진렬
支持向量机(SVM)在解决小样本,非线性及高维模式识别问题等方面有许多优势,但在处理大规模数据集时训练速度缓慢.针对以上问题提出了SVM学习算法硬件化的设计,它可以在保证向量机学习速度的同时,提高支持向量机的硬件资源利用效率.ECT图像重建实验结果表明,在不影响分类精度的情况下,硬件实现有效减少了运行时间,在一些实时性要求较高的场合该方法的优点将尤为明显.
支持嚮量機(SVM)在解決小樣本,非線性及高維模式識彆問題等方麵有許多優勢,但在處理大規模數據集時訓練速度緩慢.針對以上問題提齣瞭SVM學習算法硬件化的設計,它可以在保證嚮量機學習速度的同時,提高支持嚮量機的硬件資源利用效率.ECT圖像重建實驗結果錶明,在不影響分類精度的情況下,硬件實現有效減少瞭運行時間,在一些實時性要求較高的場閤該方法的優點將尤為明顯.
지지향량궤(SVM)재해결소양본,비선성급고유모식식별문제등방면유허다우세,단재처리대규모수거집시훈련속도완만.침대이상문제제출료SVM학습산법경건화적설계,타가이재보증향량궤학습속도적동시,제고지지향량궤적경건자원이용효솔.ECT도상중건실험결과표명,재불영향분류정도적정황하,경건실현유효감소료운행시간,재일사실시성요구교고적장합해방법적우점장우위명현.
