|
|||||
|
|
| 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！ | |