基于DYCORS算法的OVA-SVM参数优化与应用研究

摘要：

目的 现有的参数优化方法普遍存在时间成本较大、内存占用较大、难以解决高维数据情况、难以找到全局最优解等问题,DYCORS算法可以在节约时间成本和内存的前提下,对高维数据问题也能找到全局最优解,故针对现有参数优化方法存在的问题,提出了针对OVA-SVM模型参数分块优化的YDYCORS算法.方法 OVA-SVM的参数中对模型影响较大的有惩罚参数C、核函数类型k、RBF核函数参数γ、ploy核函数参数d以及迭代终止参数t,由于同时调节5 个参数计算量较大,难以找到最优解,而DYCORS算法可以减少迭代次数,对于高维数据问题也同样适用,在DYCORS算法的基础上进行参数分块调节:先调节影响最大的参数C、k、γ,再固定最优参数C、k、γ,调节剩余参数中影响较大的参数d和t,最后同时调节已获得的 5 个最优参数,如此对参数进行分块调节,提升参数优化的效果.结果 通过MNIST和IRIS两个数据集上的实验结果对比可以发现:运用YDYCORS算法对OVA-SVM参数进行分块调节后,能得到与手动调参和直接用DYCORS同时调节 5 个参数更高的模型准确率,从而也能进一步提升模型性能.结论 最终实验结果表明:DYCORS算法能有效解决OVA-SVM参数优化中时间成本较大、内存占用较大、难以解决高维数据、难以找到全局最优解等问题,尤其是改进后的YDYCORS 算法能进一步提升OVA-SVM的模型准确率,获得较佳的模型效果.

关键词：超参数优化、支持向量机、DYCORS算法

所属期刊栏目：41

分类号：O224(运筹学)

在线出版日期：2024-01-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：38-44