基于决策树的快速SVM分类方法

为提高支持向量机（support vector machine, SVM)算法对大规模数据的适应能力,加快SVM算法的分类速度,提出一种基于决策树的快速SVM分类方法。该方法的重点在于构建一棵决策树,将大规模问题分解为相对简单的子问题,树中节点由线性支持向量机组成,每个节点包含一个决策超平面,分类过程取决于节点的数量。此方法在分类复杂样本时避免了使用非线性核函数。并且由于使用线性核函数,则不用进行模型选择,进一步加快了样本的分类速度。实验表明,针对大规模多特征数据的非线性分类问题,该方法比传统方法具有更高的速度。     

基于TMS320DM642的视频采集系统设计

在分析视频信号采集工作原理的基础上,设计了以TMS320DM642芯片为核心的视频采集方案,给出了其相应的系统结构,选用合适的芯片实现了视频采集的各项功能,满足稳定、实时获取视频图像的需要,并将其应用于贴膜车窗内目标检测的安检项目上.实验表明:该视频采集系统具有数字处理能力强、灵活性高、可移植性好等优点,可广泛应用于图...