[发明专利]一种支持数据分类的贝叶斯分类器的硬件实现方法

权利要求书

1.一种支持数据分类的贝叶斯分类器的硬件实现方法，其特征在于，包括，设计具有AXI接口(2)的朴素贝叶斯分类器(1)，并将朴素贝叶斯分类器(1)通过AXI接口(2)经AXI总线(3)送入CPU(4)，所述的朴素贝叶斯分类器(1)包括有顶层模块(11)、索引计算模块(12)、地址计算模块(13)、概率计算模块(14)和概率快表(15)，所述索引计算模块(12)用于依次产生各个类别与各个属性索引并送入地址计算模块(13)，所述地址计算模块(13)根据顶层模块(11)给出的待测试特征向量和接收到的索引计算模块(12)的数据计算出访问概率快表(15)的地址，所述概率计算模块(14)通过贝叶斯公式、从概率快表(15)取出的数据以及从地址计算模块(13)提取到的各个类别与各个属性索引计算出后验概率，并将后验概率最大的类别作为分类结果送入顶层模块(11)，所述顶层模块(11)用于协调索引计算模块(12)、地址计算模块(13)、概率计算模块(14)和概率快表(15)的有序运行；

所述的顶层模块(11)在朴素贝叶斯分类器(1)开始工作时，分别给索引计算模块(12)、地址计算模块(13)、概率计算模块(14)和概率快表(15)一个1位的开始信号并启动；

所述索引计算模块(12)的输入有时钟信号和接收顶层模块(11)的复位信号，输出有用于送入地址计算模块(13)的类别索引信号和属性索引信号；

所述地址计算模块(13)的输入信号有接收顶层模块(11)的复位信号和待测试特征向量，以及接收索引计算模块(12)的类别索引信号和属性索引信号，输出信号有送入概率快表(15)的概率快表使能信号和概率快表地址信号，以及送入概率计算模块(14)的类别索引信号和属性索引信号，所述地址计算模块(13)的地址计算公式为：

概率快表地址＝特征向量维数×类别数×属性值+类别数×属性值。

2.根据权利要求1所述的一种支持数据分类的贝叶斯分类器的硬件实现方法，其特征在于，所述待测试特征向量的格式为：特征向量每一维的属性取值是从0开始的整数，所属类别是从0开始的整数。

3.根据权利要求1所述的一种支持数据分类的贝叶斯分类器的硬件实现方法，其特征在于，所述的AXI接口(2)是封装在所述朴素贝叶斯分类器(1)，包括有：时钟、复位信号和AXI-Lite接口信号。

4.根据权利要求1所述的一种支持数据分类的贝叶斯分类器的硬件实现方法，其特征在于，所述概率计算模块(14)的输入信号有：时钟信号，接收顶层模块(11)的复位信号，接收概率快表(15)的概率快表数据，接收地址计算模块(13)的类别索引信号和属性索引信号，输出信号有送入顶层模块(11)的结果有效信号和分类结果信号。

5.根据权利要求4所述的一种支持数据分类的贝叶斯分类器的硬件实现方法，其特征在于，所述概率计算模块(14)采用对数化的方法，将乘法向加减法进行转换，对数底数选择以2为底，进行对数化处理，再利用贝叶斯原理对所有数据类别进行计算，选出后验概率最大的类别，所述对数化处理公式如下：

展开可得：

其中，x＝(x₀,x₁,…,x_n-1)是一个n维的待测试向量，y＝{y＝c|c＝0,1,…,C-1}是x可能的类别标签。

6.根据权利要求1所述的一种支持数据分类的贝叶斯分类器的硬件实现方法，其特征在于，所述概率快表(15)的结构，就按照属性值由小到大的顺序，从低地址到高地址存储，对于属性值相同的属性，按照类别标签由小到大的顺序，从低地址到高地址存储。

7.根据权利要求6所述的一种支持数据分类的贝叶斯分类器的硬件实现方法，其特征在于，所述概率快表(15)中的存储的数据为定点化的无符号数，在定点化的过程中，整数位数取决于概率的极值，小数位数的选择综合考虑分类精度与占用存储空间的大小，保留的小数位数越多，分类的准确率就越高。