曹葵康
- 作品数：6 被引量：8H指数：2
- 供职机构：浙江大学电气工程学院超大规模集成电路设计研究所更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于多样本的在线支持向量回归算法被引量：3
- 2011年
- 提出一种针对多样本的在线支持向量回归(SVR)算法,以解决目前SVR在线训练算法每次只能处理1个样本的问题.算法以拉格朗日乘数法和库恩-塔克(KKT)条件为基础,逐步改变样本的系数,并在每次迭代中保持原来的样本满足KKT条件,最终使所有训练样本满足KKT条件.实验表明,该方法可有效更新SVR模型,且计算效率相比于基于单样本的在线回归算法有较大的优势.
- 曹葵康沈海斌
- 关键词：支持向量回归
- 计算核与外部接口的数据通讯方法
- 本发明公开了一种计算核与外部接口的数据通讯方法。方法的步骤如下：1)当计算核要可以输入数据时，计算核将“输入请求”信号置有效；2)当外部设备收到“输入请求”时，响应该请求，将“输入请求应答信号”置有效，同时将数据放在“输...
- 葛海通沈海斌袁生光周功待侯咏佳胡欣幸刘洪庆梁田李刘林王嗣平朱禹张倩张昀曹葵康董文箫周喜川陈华锋
- 文献传递
- 基于映射-归约模型的SVM可扩展硬件实现架构
- 2011年
- 为了提高支持向量机(SVM)在嵌入环境中的适用性,提出了一种用于SVM训练和分类的可扩展硬件架构,并基于FPGA平台测试了其性能。基于映射-归约(MapReduce)模型分析提取出SVM算法中的并行性,并进一步映射至多个并行处理单元。实验表明,该架构可基于定点运算单元有效地完成SVM训练和分类,并具有良好的可扩展性。
- 曹葵康沈海斌
- 关键词：支持向量机并行计算现场可编程门阵列
- 支持向量机加速方法及应用研究
- 支持向量机/(Support Vector Machines, SVMs/)是基于统计学习理论以及结构风险最小化原则的新一代通用机器学习方法。它在解决小样本、非线性及高维模式分类及函数回归问题中表现出许多独特优势,是克服...
- 曹葵康
- 关键词：支持向量机序贯最小优化现场可编程门阵列遗传算法
- 文献传递
- 基于SVM及多目标遗传算法的光刻热点检测被引量：1
- 2012年
- 提出一种基于支持向量机(SVM)及多目标遗传算法(GA)的集成电路版图光刻热点检测方法。首先对版图样本进行离散余弦变换(DCT)以提取样本的频域特征,然后基于这些样本训练SVM分类器以实现对光刻热点的检测。采用多目标遗传算法(GA)对频域特征进行选择,并同时优化SVM分类器的相关参数。实验结果表明,本光刻热点检测方法可以有效提高版图光刻热点检测的精度和效率。
- 曹葵康沈海斌杨祎巍
- 关键词：可制造性设计离散余弦变换支持向量机遗传算法
- 基于支持向量机及遗传算法的光刻热点检测被引量：3
- 2011年
- 提出一种基于支持向量机(SVM)及遗传算法(GA)的集成电路版图光刻热点检测方法.首先对版图样本进行离散余弦变换(DCT)以提取样本的频域特征,然后基于这些样本训练SVM分类器以实现对光刻热点的检测.为了提高光刻热点检测的精度及效率,采用遗传算法(GA)对频域特征进行选择,并同时优化SVM参数.实验结果表明,基于SVM及版图频域特征并结合遗传算法进行优化的光刻热点检测方法可以有效提高版图光刻热点的检测精度.
- 曹葵康沈海斌杨祎巍
- 关键词：可制造性设计离散余弦变换支持向量机遗传算法
