基于支持向量机近似模型的资源有限系统在线信息处理方法及装置制造方法及图纸

本发明专利技术公开了一种基于支持向量机近似模型的资源有限系统在线信息处理方法及装置。所述方法和装置针对基于经济型CPU的资源有限系统在线应用支持向量机，包括以下步骤：系统首先保存离线训练所得支持向量机近似模型和变换矩阵E；读入待测数据，去除其中Fisher比相对小的特征后与E相乘，得到预处理过的数据；将此数据代入支持向量机近似模型，求出数据的标签，实现数据分类。若所选支持向量机近似模型和待处理的数据对系统的资源需求超过系统的供给能力，则通过对支持向量机近似模型降阶和使用外扩存储器、再减少数据的非重要特征来解决。本发明专利技术的方法及装置，使得具体的资源有限系统能应用支持向量机在线处理信息，并保持结果的正确性。

Online information processing method and device for resource limited system based on support vector machine approximation model

The invention discloses an online information processing method and device for a resource limited system based on the support vector machine approximation model. The method and apparatus for online application system with limited resources economic CPU based on support vector machine, which comprises the following steps: first save system off-line training support vector machine model and approximate the transformation matrix E; read the data to be measured, the Fisher removal ratio features relatively small and E multiplication, get the preprocessed data will this; data into support vector machine approximation model, calculate the data label, data classification. If the support vector machine approximate model and the data to be processed need more than the system's supply capacity, then we can solve the problem by reducing the order of the support vector machine approximation model and expanding the memory and reducing the data's non important characteristics. The method and device of the invention enable the specific resource limited system to apply the support vector machine on line processing information and maintain the correctness of the result.

【技术实现步骤摘要】
基于支持向量机近似模型的资源有限系统在线信息处理方法及装置
本专利技术涉及数据处理领域，尤其涉及一种基于支持向量机近似模型的资源有限系统在线信息处理方法及装置。
技术介绍
资源有限系统是指系统提供的计算和存储资源不能完全满足具体应用对该系统的资源要求的系统。典型的资源有限系统，如微型便携式设备、穿戴式设备和无线传感器网络(WirelessSenorNetwork,WSN)等，它们因为受到制造成本的限制而成为具有计算能力较弱、计算速度相对慢、数据和程序存储空间以及电能供应有限等特点的系统。随着信息技术的发展，各种便携式、穿戴式设备被广泛的应用于人们的日常生活中，这些设备能用来获取大量信息数据，但很多情况下用户只在乎获得的结果信息，如便携式医疗设备只需告诉用户身体状况是否有异常而不需列出其所获取的有关人体各项生命体征参数的具体的或全部的检测数据。因此，在便携式或穿戴式设备上如何得到有效信息的处理方法受到了研究人员的广泛关注。支持向量机(SupportVectorMachine,SVM)是Vapnik等人基于统计学习理论(StatisticalLearningTheory,SLT)提出的一本文档来自技高网...

【技术保护点】
一种基于支持向量机近似模型的资源有限系统在线信息处理方法，其特征在于，包括：步骤S1：在资源有限系统中预先存储由训练数据集得到的支持向量机近似模型和变换矩阵E；步骤S2：读入待测数据，计算与所述训练数据集中的训练数据具有相同分布特征的待测数据中各特征的Fisher比的值，去除所述待测数据中的非重要特征；步骤S3：将去除非重要特征后的待测数据与所述变换矩阵E相乘，得到预处理后的数据；步骤S4：将预处理后的数据代入支持向量机近似模型，求解得到对应的数据标签，实现数据分类；其中，所述支持向量机近似模型根据训练数据集，采用基于多元多项式拟合的支持向量机模型近似方法获得；所述变换矩阵E通过对训练数据进行...

【技术特征摘要】
1.一种基于支持向量机近似模型的资源有限系统在线信息处理方法，其特征在于，包括：步骤S1：在资源有限系统中预先存储由训练数据集得到的支持向量机近似模型和变换矩阵E；步骤S2：读入待测数据，计算与所述训练数据集中的训练数据具有相同分布特征的待测数据中各特征的Fisher比的值，去除所述待测数据中的非重要特征；步骤S3：将去除非重要特征后的待测数据与所述变换矩阵E相乘，得到预处理后的数据；步骤S4：将预处理后的数据代入支持向量机近似模型，求解得到对应的数据标签，实现数据分类；其中，所述支持向量机近似模型根据训练数据集，采用基于多元多项式拟合的支持向量机模型近似方法获得；所述变换矩阵E通过对训练数据进行主成分分析得到；所述非重要特征是指待测数据中特征的Fisher比的值小于预设的Fisher比的值的特征。2.根据权利要求1所述的方法，其特征在于，步骤S1中在资源有限系统中预先存储由训练数据得到的支持向量机近似模型时，先比较对应具体模型阶次和数据维度的所述支持向量机近似模型所需的运算资源与资源有限系统所能提供的内部运算资源，确定是否适配；当资源有限系统所能提供的内部运算资源小于所述支持向量机近似模型所需的运算资源时，对所述支持向量机近似模型进行降阶；当所述近似模型首次降到一阶时，若资源有限系统所能提供的内部运算资源离所述支持向量机近似模型所需的运算资源的差距达到预设比例时，启用资源有限系统的外部运算资源；其中，所述资源有限系统所能提供的内部运算资源指资源有限系统的混合信号处理器或微控制器片内所能提供的运算资源；所述资源有限系统的外部运算资源指资源有限系统配置的外部扩展数据存储器提供的运算资源。3.根据权利要求2所述的方法，其特征在于，对所述支持向量机近似模型进行降阶的操作为：保持当前数据维度，将所述支持向量机近似模型降低一个阶次得到新的支持向量机近似模型，计算新的支持向量机近似模型所需的运算资源，并将新的支持向量机近似模型所需的运算资源与资源有限系统所能提供的运算资源相比较：当新的支持向量机近似模型所需的运算资源小于或等于资源有限系统所能提供的运算资源时，新的支持向量机近似模型即为与资源有限系统适配的支持向量机近似模型；当新的支持向量机近似模型所需的运算资源大于资源有限系统所能提供的运算资源时，重复上述降阶操作，直至获得与具体资源有限系统适配的支持向量机近似模型；当首次降为一阶的支持向量机近似模型所需的运算资源大于资源有限系统所能提供的内部运算资源、但小于或等于资源有限系统所能提供的全部运算资源时，启用资源有限系统的外部运算资源，此时的支持向量机近似模型即为与系统适配的支持向量机近似模型；否则去除所述训练数据中Fisher比的值最低的特征，得到新维度的训练数据，重新确定此维度下的支持向量机近似模型及其所需的运算资源，并将新维度下的支持向量机近似模型所需的运算资源与资源有限系统所能提供的运算资源相比较：当新维度下的支持向量机近似模型所需的运算资源小于或等于资源有限系统所能提供的全部运算资源时，新维度下的支持向量机近似模型即为与资源有限系统适配的支持向量机近似模型；新维度下的支持向量机近似模型所需的运算资源大于资源有限系统所能提供的全部运算资源时，重复上述降阶操作，直至获得与资源有限系统适配的支持向量机近似模型；其中，所述资源有限系统所能提供的全部运算资源指资源有限系统所能提供的内部运算资源和外部运算资源的总和。4.根据权利要求2所述的方法，其特征在于，步骤S1中通过主成分分析获取交换矩阵E的操作为：步骤S11：求取训练矩阵A的协方差矩阵其中，训练矩阵A由m个k维的训练数据组成；步骤S12：对协方差矩阵S进行特征分解，计算协方差矩阵S的特征值和对应的特征向量，将特征值从大到小排序；步骤S13：取前p个特征值对应的特征向量组成交换矩阵E；其中，交换矩阵E是规模为k*p的矩阵，m、k和p均为正整数。5.根据权利要求1所述的方法，其特征在于，步骤S2中所述Fisher比为类间方差之和与类内方差之和的比值，其计算公式如下：其中，xij是特征在第j类样本中的第i个元素；nj为第j类样本中的特征个数；表示特征在第j类样本中的均值；表示特征的总均值；h为在线数据处理结果的类别数。6.一种基于支持向量机近似模型的资源有限系统在线信息处理装置，其特征在于，...

【专利技术属性】
技术研发人员：刘少强，张熠铭，陈泽宇，徐文，樊晓平，李永周，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南,43