[发明专利]一种基于数据压缩表示的支持向量机快速实现方法和装置

权利要求书

1.一种基于数据压缩表示的支持向量机快速实现方法，其特征在于，包括：

制作训练样本；

对训练样本进行训练，以得到模型数据；

将模型数据中的每个支持向量分量以24比特大小保存在内存中；

根据所述模型数据预测识别目标所属的类别，得到预测结果；

将模型数据中的每个支持向量分量以24比特大小保存在内存中，包括：

将模型数据中的每个支持向量左移16位并取整，以得到24比特大小的数据；

将模型数据中的每个支持向量分量以24比特大小保存在内存中，包括：

先存入数据的低8比特；

将数据右移8位再存入低8比特；

将数据右移8位再存入低8比特。

2.如权利要求1所述的方法，其特征在于，还包括在将模型数据进行保存之前，分配一片连续的内存区域。

3.如权利要求1所述的方法，其特征在于，还包括将支持向量分量进行保存之前，先判断支持向量的整数部分是否在[-128,127]之间，如果否，则将该支持向量分量以32比特大小保存在内存中。

4.如权利要求1至3中任意一项所述的方法，其特征在于，根据所述模型数据预测识别目标所属的类别，得到预测结果，包括：预测过程中的判决函数采用径向基核函数，所述径向基核函数通过查找表的方式实现。

5.如权利要求4所述的方法，其特征在于，所述判决函数如下：

其中，g(x)表示决策函数，n表示训练样本的数量，α_i表示拉格朗日乘子，y_i表示训练样本的标签，幂函数表示径向基核函数；指数部分-γ＝||x_i-x||²分为第一部分γ和第二部分||x_i-x||²，第一部分是常数因子，第二部分是两个向量差的模的平方。

6.如权利要求5所述的方法，其特征在于，通过查找表的方式实现所述径向基核函数的步骤包括：

确定径向基核函数中指数部分的范围和精度；

计算所有需要输入的指数的个数；

计算所有的指数输入；

计算所有指数函数的输出结果；

对所述输出结果进行归一化；

对归一化的输出结果进行定点化。

7.一种基于数据压缩表示的支持向量机快速实现装置，其特征在于，包括：

样本制作模块，用于制作训练样本；

训练模块，用于对训练样本进行训练，以得到模型数据；

保存模块，用于将模型数据中的每个支持向量分量以24比特大小保存在内存中；

预测模块，用于根据所述模型数据预测识别目标所属的类别，得到预测结果；

其中，将模型数据中的每个支持向量分量以24比特大小保存在内存中，包括：

将模型数据中的每个支持向量左移16位并取整，以得到24比特大小的数据；

将模型数据中的每个支持向量分量以24比特大小保存在内存中，包括：

先存入数据的低8比特；

将数据右移8位再存入低8比特；

将数据右移8位再存入低8比特。