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.
The parameter selection of the support vector machine (SVM) has significant impact on its performance. Brute-force method for finding the optimal parameters is time consuming. In this paper, we are making use of particle swarm optimization (PSO) 's character of fast convergence speed and could be implemented easily, adding the SVM parameters as the solution of the par- ticles. And exploit the computing capability of the graphics processing unit(GPU) to calculate the classification accuracy of each pa- rameter,thus enhancing the computing speed for finding the best parameter combination in a constraint solutions space. The compari- son results on UCI data show that this method can obtain the optimal results quickly and efficiently.
出处
《厦门大学学报(自然科学版)》
CAS
CSCD
北大核心
2013年第5期609-612,共4页
Journal of Xiamen University:Natural Science
基金
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)
关键词
支持向量机
粒子群算法
图形处理器
参数寻优
support vector machine(SVM)
particle swarm optimization(PSO)
graphic processing unit(GPU)
parameter optimiza tion