[发明专利]一种基于经济型CPU平台的系统的数据处理方法

摘要

本发明公开了一种基于经济型CPU平台的系统的数据处理方法，该方法以已知支持向量机模型的核函数为逼近目标，基于训练集中的样本数据，采用多元多项式拟合方法，求出逼近核函数的多元多项式函数；利用该多项式函数替代核函数得到近似的支持向量机模型；其中，根据对多项式函数的精度要求与系统的存储空间等硬件资源，在保证硬件资源满足模型计算精度要求的前提下，确定替代核函数的多项式的最高阶次。本发明能有效降低支持向量机算法的复杂度，克服传统支持向量机模型用于样本分类时资源消耗大的缺点，满足无线传感器、可穿戴装置等基于经济型CPU平台的系统对使用支持向量机的需求。

主权项

1.一种基于经济型CPU平台的系统的数据处理方法，其特征在于，包括以下步骤：步骤一：给定训练数据集T＝{(x_i,y_i)|i＝1,2,…,l}，其中，l为训练数据集T中样本数据的个数，x_i是已知类别标签的n维样本数据，y_i是与x_i对应的类别标签，y_i∈{‑1,1}；利用训练数据集中数据训练支持向量机，得到传统的支持向量机模型其中，α_i^*和b^*分别是拉格朗日系数和偏置量；K(x_i,x₀)为核函数；x₀为基于经济型CPU平台的系统采集的未知类别标签的n维输入数据，x₀＝[x₀₁,x₀₂,…,x_0n]，其中，x_0k为x₀的第k维分量，k＝1,…,n；y是模型输出的与x₀对应的类别标签；步骤二：将训练数据集T中的样本数据x_j(j＝1,2,…,l)依次代入支持向量机模型y，计算核函数部分的输出将得到的l个函数值组成l维的向量F＝[f(x₁),f(x₂),…,f(x_l)]；步骤三：采用多元多项式拟合方法，利用训练数据集T中样本数据和步骤二所得向量F建立超定方程组，求解超定方程组得到多元多项式的系数α；步骤四：利用步骤三中求解得到的多元多项式的系数α与未知类别标签的n维输入数据x₀构建多项式，替代支持向量机模型y的核函数部分，得到近似的支持向量机模型y'＝sgn[X'α+b^*]；其中，d为多元多项式的次数，α＝(α₀,α₁₁,…,α_1n,…,α_d1,…,α_dn)^T为多元多项式的系数；利用近似的支持向量机模型计算得到x₀对应的类别标签y'。