基于 FSMO的SVM 训练核的设计与实现

• 作者: 邓昊 冉峰 郭爱英
• 来源期刊: 微电子学与计算机
• 学科: 工学
• 关键词: 支持向量机 嵌入式 分解 序列最小优化 IP核
• 年，卷（期）: 2023,（2）
• 所属期刊栏目: 数字电路与系统
• 页码范围: 142-151
• 页数: 10页
• 语种: 中文

摘要

为了解决支持向量机(Support Vector Machine,SVM)训练的复杂性与实时性,本文提出基于单循环的快速序列最小优化算法(Fast Sequential Minimal Optimization,FSMO)来构建新的SVM训练模型.首先,针对传统序列最小优化算法(Sequential Minimal Optimization,SMO)中待优化乘子选择繁复问题,提出了轮询加随机的优选方法并设计了单循环迭代的FSMO训练架构,降低算法复杂度.其次,采用集中计算体系结构分模块设计了 新的SVM训练IP核.并且将该SVM训练IP核移植到FPGA平台上进行了验证与分析.结果表明,相较于传统SMO的训练IP核,在训练准确率相似的情况下,基于FSMO的SVM训练IP核训练速度提升约39％,可节省约47％的硬件资源.