在線學習算法的加速器設計研究.pdf

1、支持向量機(SVM，Support Vector Machine)作為機器學習(MachineLearning)的一個重要研究分支，近年來正受到越來越多的重視，并成為了機器學習當中的一個研究熱點。
　　 支持向量機理論的其中一個特點就是追求系統(tǒng)風險最小化。正是這種優(yōu)越的特性使得其應用價值得到了廣泛的肯定。隨著支持向量機從理論研究走向實踐應用，實際工程應用對其也提出了更高的要求，其中一個要求就是支持在線學習功能。
　　 機

2、器學習中在線學習算法也是一個重要研究分支，而由于支持向量機的理論和應用價值突出，其在線學習算法近年來也成為了熱點之一。幾種支持向量機的在線學習軟件算法也相繼被提出，并有了良好的應用效果。隨著嵌入式的進一步發(fā)展，支持向量機的在線學習硬件算法也將會突出其理論和應用價值。雖然其在線學習運算中，核函數的計算非常耗時，有使用硬件加速的需要，近年來對支持向量機及其在線學習的硬件算法研究卻比較少，之前所提出的軟件算法也難以稱得上真正意義上的硬件友好，

3、因此該研究分支將有很大的發(fā)展空間。本文針對以上問題，做了如下工作:
　　 (1)概述支持向量機的發(fā)展背景、應用領域和研究現狀，并詳細介紹了支持向量機的數學原理，對原理中中各部分所涉及的理論進行了比較完整的敘述。
　　 (2)介紹和總結了支持向量機的在線學習算法的研究現狀和一些軟件實現方法，并重點介紹了支持向量機的硬件實現算法以及相應的硬件實現原理描述。并對現有的硬件實現方法加以總結。
　　 (3)針對已有支持向量