基于粒子群算法与图形处理器加速的支持向量机参数优化方法 |
| |
作者姓名: | 毛耀宗 陈珂 江弋 邹权 |
| |
作者单位: | 厦门大学信息科学与技术学院;广东石油化工学院计算机科学与技术系 |
| |
基金项目: | 国家自然科学基金项目(61001013,61102136);福建省自然科学基金项目(2011J05158,2010J01351) |
| |
摘 要: | 支持向量机(support vector machine,SVM)的参数选择对其性能有着重要的影响,使用穷举法优化参数需要大量的计算时间.为快速寻找最优参数组合,利用粒子群算法(particle swarm optimization,PSO)收敛速度快、简单易行等特点,将SVM参数作为粒子的解决方案.并利用图形处理器(graphics processing unit,GPU)并行化处理能力计算每个参数的分类准确率,从而提升了在一定的搜索空间内寻找最佳参数组合的计算速度.对UCI数据进行实验,对比结果显示,该方法能快速有效地获取优化结果.
|
关 键 词: | 支持向量机 粒子群算法 图形处理器 参数寻优 |
本文献已被 CNKI 等数据库收录! |
|