欢迎来到天天文库
浏览记录
ID:33860955
大小:411.33 KB
页数:6页
时间:2019-02-28
《基于fpga器件的rs232c接口设计及其扩展new》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库。
1、万方数据第23卷第5期V01.23.No.5攀枝花学院学报Joumal0fPanzhihuaUniver8ity2006年10月0ct.2006·自然科学研究·基于FPGA器件的RS232一C接口设计及其扩展陈炳权(1.吉首大学物理科学与信息工程学院湖南吉首416000;2.湖南大学电气与信息工程学院湖南长沙410082)摘要串行外设常常用到RS232一c接口,传统上采用诸如8250,825l,Nsll5450等uART器什实现,然而此类器2篓三妻藿蠢;苫写篓0’一i篆事亡Z冀萋雎鋈礴固雾萎善誊蚕
2、垂笺茎薹,囊鍪羹薹礓蓊琴秘州箨孙垫藉罐髻曼嚆雾鬈嚣翻吲萋薹蔓薹塑矍攀烁黑篓;譬刿翻萎茌§至一翼峭篓描措茗薹羹饕_萋鐾定标准桑蚕要冀垂蚩璺.堂蠹翼薹零霾篓l譬薹籍。蒋匿薹暮耋攀量控赢冀主薹一蠡雾削自副鲥錾磬;掣塾誊墼霉忝纂虿盆霪鍪盟的判定标准来判断出属于噪声的数据,通过降低这些噪声数据在模型中的作用,来提高了分类及回归的质量。这类支持向量机主要适用于奇异值较多,扰动较大的场合。在奇异值较少且扰动小时,并没有明显的优越性。3.4.4处理不完整信息的支持向量机在实际问题中,经常会遇到信息不完整的状况,此
3、时若用标准的支持向量机,则可能得不到满意的结果,于是引出了处理不完整信息的支持向量机。(1)输入数据所属类别不确定的sVM在许多实际问题中,存在着大量的不确定性,每一个输入石。可能不是确定的属于正类或者负类,而是按照某种概率属于正类或者负类,即一个输入石;以概率;j属于正类,以概率:i属于负类,即输出,,;是不确定的。基于这种情况,有文献给出了改进的中心支持向量机:1,’f黜丁(‰P2)+62+等∑(=?叼+:+zi’7一;)s.t.(1t,.中(扎))+6=1一田?,i=l,2,Lz,zi≠1(
4、埘.中(髫‘))+6=一1+叼i,f=1,2,己Z,:j≠1当输人是确定时,模型就还原为了标准的中心支持向量机。这种加权支持向量机将输入信息属于何种类别的概率考虑进了模型中,使得无法处理的不确定问题得到了解决,有很好的实际意义。(2)输入数据某些信息不完整的sVM在实际问题中,可能会由于种种原因造成输入数据中某些项的信息的缺失,用缺失的数据进行分类会给结果造成不利影响。因此,文献¨叫对标准的支持向量作出了改进,将目标函数改为魄寺P埘P2+c(∑基+T÷丁∑∑岛)。经过化简后变成嚣瓤寺(%P2+62
5、)+导窆(zj田+:+:i叩’;),其中,Ac1,己nl代表气中信息完整的下标,i={l,£n}\A代表茁。中信息缺失的下标,而A+代表A中输出为l的下标,A.代表输出为一1的下标5ni=g(y;>o)+(IA+I\IAI,,li=g(儿6、预测的准确度。4总结除以上所提到的改进的支持向量机外,还有模糊支持向量机、小波支持向量机、推理型支持向量机等。随着支持向量机在实际问题中应用的深入,相信会有更多改进的支持向量机出现,也会使支持向量机这种机器学习方法能更好的解决实际问题。参考文献[1]BemhardScholkopf,Alex.J.smola,Robertwim8瑚∞,PeterBaItlett.New8upportvectoralgorithm8[M].NeuroCOu2TechnicalReportsSeries,1998.[27、]J.A.K.suykens,J.Vandewalle.Le鹅tsquaressupportvectormachinecl鹊sme糟[J].NeuralProce88,Lett.9(3)(1999)293—300.[3]丁蕾陶亮.改进的用于回归估计的支持向量机学习算法[J].计算机工程与应用,2005,19.[4]FungG,M肌gasarianOL.ProximalsupportVectorM∞hinecl鹪8fier8[M].KDD2001SanFranciscocAuSA,2001.[5]F8、rancisE.H.T,L.J.cao.ModifiedsupportVectorm∞llin∞infin蛐cialtime8erie8fomc鹊ting[J].Neumcomputing48万方数据第23卷陈炳权:基于FPGA器件的RS232一c接口设计及其扩展第5期信号就可以生成接收所需要的移位时钟。溢出标志很简单,那就是在idle从低变高,也就是说在接收剑一个完整的串行序列后,去判断一下当前的中断是否有效。如果为高那么溢出,否则没有。在移位的时候,同时对接收的数据进行校验,这
6、预测的准确度。4总结除以上所提到的改进的支持向量机外,还有模糊支持向量机、小波支持向量机、推理型支持向量机等。随着支持向量机在实际问题中应用的深入,相信会有更多改进的支持向量机出现,也会使支持向量机这种机器学习方法能更好的解决实际问题。参考文献[1]BemhardScholkopf,Alex.J.smola,Robertwim8瑚∞,PeterBaItlett.New8upportvectoralgorithm8[M].NeuroCOu2TechnicalReportsSeries,1998.[2
7、]J.A.K.suykens,J.Vandewalle.Le鹅tsquaressupportvectormachinecl鹊sme糟[J].NeuralProce88,Lett.9(3)(1999)293—300.[3]丁蕾陶亮.改进的用于回归估计的支持向量机学习算法[J].计算机工程与应用,2005,19.[4]FungG,M肌gasarianOL.ProximalsupportVectorM∞hinecl鹪8fier8[M].KDD2001SanFranciscocAuSA,2001.[5]F
8、rancisE.H.T,L.J.cao.ModifiedsupportVectorm∞llin∞infin蛐cialtime8erie8fomc鹊ting[J].Neumcomputing48万方数据第23卷陈炳权:基于FPGA器件的RS232一c接口设计及其扩展第5期信号就可以生成接收所需要的移位时钟。溢出标志很简单,那就是在idle从低变高,也就是说在接收剑一个完整的串行序列后,去判断一下当前的中断是否有效。如果为高那么溢出,否则没有。在移位的时候,同时对接收的数据进行校验,这
此文档下载收益归作者所有