基于GPU的SVM参数优化并行算法

摘要：

为了缩短支持向量机(support vector machine,SVM)参数优化时长,提高SVM参数优化的效率,提出了基于图形处理单元(graphic processing unit,GPU)的SVM参数优化并行算法.分析了基于网格搜索和粒子群优化算法的并行特性,基于GPU设计了该优化算法的并行化方案,并在单GeForce GT 650M GPU卡上进行了试验验证.结果表明,并行化网格搜索和并行化粒子群参数优化算法不仅可以取得与非并行化参数优化算法相同的优化效果,而且执行时间大大减小,其中并行粒子群参数优化算法的加速比可高达26.85,大幅提升了SVM的参数优化效率.

关键词：图形处理单元、支持向量机、网格搜索算法、粒子群优化算法、参数优化

所属期刊栏目：38

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61572259;科技部公益性行业科研专项项目GYHY201506080

在线出版日期：2017-08-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：576-581