适用于智能传感器系统的SVM集成研究.pdfVIP

44 传感器与微系统 (TransducerandMicrosystemTechnologies) 2014年 第33卷 第8期 DOI：10．13873／J．1000-9787(2014)08-0044-04 适用于智能传感器系统的SVM 集成研究 卞桂龙 ，丁 毅 ，沈海斌 (1．浙江大学超大规模集成电路设计研究所，浙江 杭州 310027； 2．西湖电子集团有限公司。浙江 杭州 310012) 摘 要 ：以支持向量机 (SVM)为代表的人工智能技术在智能传感器系统中得到了广泛的应用，但传统的 SVM有 “灾难性遗忘”现象，即会遗忘以前学过的知识 ，并且不能增量学习新的数据，这已无法满足智能传 感器系统实时性的要求。而Learn++算法能够增量地学习新来的数据，即使新来数据属于新的类，也不会 遗忘已经学习到的旧知识。为了解决上述问题，提出了一种基于壳向量算法的Learn++集成方法。实验 结果表明：该算法不但具有增量学习的能力 ，而且在保证分类精度的同时 ，提高了训练速度，减小了存储规 模 ，可以满足当下智能传感器系统在线学习的需求。 关键词：传感器 ；支持向量机；壳向量；Learn++算法；增量学习 中图分类号：TP212；TP18 文献标识码：A 文章编号：1000-9787(2014)08-0044-04 Researchon SVM integrationforintelligentsensorsystem BIAN Gui．1ong ，DING Yi，SHEN Hai．bin (1．InstituteofVLSIDesign，ZhejiangUniversity，Hangzhou310027，China； 2·WestlakeElectronicsGroupCompanyLimited，Hangzhou310012，China) Abstract：Supportvectormachine(SVM)astherepresentativeofartificialintelligenttechniqueshasbeenwidely used in the intelligent sensor system，however，traditionalSVM suffers from the catastrophic forgetting phenomenon，whichresultsinlossofpreviouslylearnedinformation，80itisunabletomeettherequirementsof real—timeintelligentsensorsystem．ThestrengthofLearn++ liesinitsabilitytolearnnew datawithoutforgetting previouslyacquired knowledge，even when the new data introduce new classes．In orderto solve the above problem ．aLearn++ integration method based onhullvectorsisproposed．Experimentalresultsshow thatthe algorithm notonlyhastheabilityofincrementallearning，improvetrainingspeedandreducethestoragesize，but alsocanensuretheclassificationprecision，whichmeetsthecurrentdemandofintelligentsensorsystemsforonline