基于GPU的SVM参数优化并行算法

• 作者: 唐美丽 张劲松 李璐 马廷淮
• 来源期刊: 江苏大学学报（自然科学版）
• 学科: 工学
• 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
• 年，卷（期）: 2017,（5）
• 页码范围: 576-581
• 页数: 6页
• 分类号: TP391.4
• 字数: 4328字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7775.2017.05.013

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李璐	南京信息工程大学公共管理学院	10	160	6.0	10.0
2	马廷淮	南京信息工程大学公共管理学院	39	239	7.0	14.0
3	唐美丽	南京信息工程大学公共管理学院	22	96	5.0	9.0
4	张劲松	南京信息工程大学公共管理学院	3	17	2.0	3.0