A New Support Vector Compression Method Based on Singular Value Decomposition

Abstract

In this letter, we propose a new compression method for a high dimensional support vector machine (SVM). We used singular value decomposition (SVD) to compress the norm part of a radial basis function SVM. By deleting the least significant vectors that are extracted from the decomposition, we can compress each vector with minimized energy loss. We select the compressed vector dimension according to the predefined threshold which can limit the energy loss to design criteria. We verified the proposed vector compressed SVM (VCSVM) for conventional datasets. Experimental results show that VCSVM can reduce computational complexity and memory by more than 40% without reduction in accuracy when classifying a 20,958 dimension dataset.

High-Performance Vision Engine for Intelligent Vehicles

“…[1]은 부분적으로 가려진 보행자에 대한 알 고리즘 연구를 수행하였으며, [2]에서도 보행자에 대한 인 식률 개선을 위한 연구를 수행하였다. [3], [4], [5], [6] 등에 서는 처리 속도를 높이기 위한 알고리즘 개선 연구를 수행 하였으나, 이 연구들은 PC상에서의 알고리즘 수행에 대한 연구들이다. 영상인식 알고리즘의 임베디드 시스템 적용을 위한 하드웨어 설계와 관련하여서는 [7], [8] [11] 을 개선한 결과를 보임으로써 지능형 자동차용 영 상인식 임베디스 시스템 연구 및 개발의 바탕을 제공하고 자 한다.…”