SVM算法的研究及其CCS软件仿真.pdf

SVM算法研究及COS软件仿真 摘要 统计学习理论是一种专门研究小样本情况F机器学习规律的理 论。支持向量机(SVM)是建立在统计学习理沦基础之上，根据有限的样 本信息在模型的复杂性和学习能力之间寻求最佳折衷，克服了神经删 络分类和传统统计分类的许多缺点，具备较高的泛化性能。 本文对SVM的原理、分类算法、实现和应用进行了深入地研究， 提出了SVM算法的一种DSP实现方法，并通过CCS软件仿真和开发 板调试，验证了该方法的可行性。实验结果表明了运算效率的提高， 以及在实际系统应用的可行性。论文的主要工作包括： (1)SVM是建立在VC维，泛化性能和推广能力之上的一种理论， 对SVM中的相关概念支持向量和核函数进行了介绍。 (2)SVM算法的分析和研究：在SVM理论基础之一卜-形成了很多 SVM算法，从经典的基本分类算法到块算法，再到分解算法以及由分 解算法派生出来的各种改进的分解算法，本文重点研究了SMO算法。 (3)本文对DSP的硬件结构和软件开发进行了研究，并对SVM算 法在DSP上的实现进行了基本探讨。 (4)基于支持向量机的话者识别是本文的另一个研究内容，提取表 征说话人个性的特征和寻找高效的识别算法是话者识别取得良好性能 的关键。本文讨论了利用MFCC系数和SVM算法的话者识别。 关键词模式识别，统计学习理论，SVM，DSP，说话人识别 RESEARCH0NALGORITHMOFSVM ANDSOFTWARESIMULATION 0NCCS ABSTRACT Statistical vector learningtheory(SLT)andsupport methodstosolvethe that areinfinite．SLTiSa provide problemssamples in with machine finite SLT theoryspecialized learning samples．and afirmfoundationtoSVM．SVMcantradeoff the provides between and ithas is complexity abilities，SO learning highgeneralizationability．It asa consideredcandidateto neuralnetworksandothertraditional replace classificationmethodsforits goodperformance． Inthis ismade dissertation，aresearch intothe ofSVM． principles classification a SVM gives