[发明专利]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

说明书

技术领域

本发明涉及数据处理领域，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。

背景技术

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(Wireless Senor Network,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(Support Vector Machine,SVM)是Vapnik等人基于统计学习理论(Statistical Learning Theory,SLT)提出的一种常用的机器学习方法。SVM克服了传统模式识别中存在的过学习、模型泛化能力差的问题，对解决非线性和高维模式识别等问题有着其他方法无法比拟的优越性，是处理多维信息的一种有效方法。

资源有限系统的存储与计算能力以及电能供给有限，因而更渴望有处理信息能力强、效果好、尤其适应在线信息处理的方法可供使用，以在同样硬件条件下提高系统性能。支持向量机应用于多维信息处理的优势突出，是资源有限系统希望利用的方法，但支持向量机应用时存在资源需求大、计算量大而速度慢等问题，对资源有限系统而言，直接采用支持向量机将无法满足利用其处理多维数据时所需的资源条件，也会导致系统消耗过多的能量。因此，研究支持向量机的简化应用方法，使其适用于便携式、穿戴式设备和无线传感器等资源有限系统，对保持资源有限系统价廉、低功耗的优点并增强其信息在线处理能力和扩大支持向量机的应用范围、发挥其性能优势都具有重要意义。

发明内容

为了解决现有技术所存才的问题，本发明提供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，针对基于经济型CPU的资源有限系统在线应用支持向量机进行在线数据处理，能够使得在具体资源有限系统中应用支持向量机进行在线信息处理，并保持结果的正确性。

本发明提供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，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。

所述的基于多元多项式拟合的支持向量机模型近似方法是指专利申请号为201710113183.1的发明专利申请文件所公开的方法；所述主成分分析是指Principal Component Analysis，简称PCA，是一种统计方法，通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分；非重要特征对应的Fisher比的值可以由本领域技术人员根据实际情况灵活设定，在本发明方法的实际应用中，发明人设定的预设大小为待测数据中最大Fisher比的值的1％，即发明人选择的非重要特征是指对应的Fisher比的值小于待测数据中最大Fisher比的值的1％的特征。

其中，待测数据是指资源有限系统所需在线处理的信息数据，而与待测数据对应的训练数据采用与待测数据类型与分布特征相同的历史信息数据构成。

进一步的，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；