基于GPU的SVM参数优化并行算法
南京信息工程大学 公共管理学院, 江苏 南京 210044
Optimization algorithm of SVM parallel parameters based on GPU
School of Public Administration, Nanjing University of Information Science ＆ Technology, Nanjing, Jiangsu 210044, China
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2685,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
Abstract ：To shorten the parameter optimization time of support vector machine(SVM) and improve the efficiency of parameter optimization, the optimization algorithm of SVM parallel parameters was proposed based on graphic processing unit (GPU). The parallel possibility was analyzed for grid search (GS) algorithm and particle swarm optimization (PSO) algorithm. Based on GPU, the parallel methods of GS and PSO were proposed. The experiments were executed on GeForce GT 650M GPU card to conduct 5cross validation. The results show that compared with the original optimization algorithms, the proposed parallel optimization algorithm can obtain the same optimum performance with greatly reduced execution time. The speedup ratio can reach 26.85 for parallel PSO algorithm, and the SVM parameter optimization performance is improved greatly.
Key words ：
graphic processing unit
support vector machine
grid search algorithm
particle swarm optimization algorithm
parameter optimization
基金资助: 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)
作者简介 : 唐美丽(1975—)，女，湖南衡阳人，博士，副教授(meilitg@126.com)，主要从事电子政务、政务信息发布及隐私保护研究.
张劲松(1991—)，女，安徽蚌埠人，硕士研究生(zhangjinsong8710@163.com)，主要从事电子政务研究.
引用本文:
唐美丽, 张劲松, 李璐, 马廷淮. 基于GPU的SVM参数优化并行算法[J]. 江苏大学学报（自然科学版）, 2017, 38(5): 576-581.
TANG Mei-Li, ZHANG Jin-Song, LI Lu, MA Ting-Huai. Optimization algorithm of SVM parallel parameters based on GPU[J]. Journal of Jiangsu University(Natural Science Eidtion)
, 2017, 38(5): 576-581.
链接本文:
http://zzs.ujs.edu.cn/xbzkb/CN/10.3969/j.issn.1671-7775.2017.05.013 或 http://zzs.ujs.edu.cn/xbzkb/CN/Y2017/V38/I5/576
[1]
苏娟, 方舒， 邢广进, 杜松怀, 单葆国. 考虑需求价格弹性的CS-SVM短期负荷预测方法
[2]
刘朝贤， 王德福， 黄会男， 党春雪， 张洪建. 猪用饲喂器拨片式供料装置机理分析与参数优化
[3]
韩飞， 郑明鹏. 基于三方竞争机制的反向多目标粒子群优化算法
[4]
朱熀秋， 王星宇， 王博. 赖氨酸发酵过程关键变量多模型软测量建模及其在线监控系统设计
[5]
潘斌杰1， 朱剑锋1,2， 徐日庆3,4. 基于PSO-SVM算法的软土复合固化剂最优配比
[6]
赵尚义1， 郑青星2,3， 刘豪森2,3. 混合动力物流车动力系统匹配及仿真
[7]
张连宽, 张程, 岑冠军, 高燕. 基于黄色诱捕板的黄曲条跳甲识别与计数方法
[8]
高心怡, 韩飞. 基于混合智能算法的支持向量机的粮食产量预测
[9]
吴飞, 黄威. 基于激光雷达数据的仓储物流AGV障碍物识别方法
[10]
左言言, 宋文兵, 陆怡, 顾倩霞, 孙瑞. 基于LSSVM样本熵的车内噪声声品质预测
[11]
刘日, 李建国, 王小农. 立体车库车位分配建模与仿真
[12]
李子龙, 鲍蓉, 刘伟铭. 基于复模糊逻辑系统的运动目标检测方法
[13]
唐爱坤, 乔方方, 王广基2, 娄刘生, 潘剑锋. 基于Flowmaster的汽车散热器结构分析与正交优化
[14]
王立群, 白文斌, 许超杰, 王谦. 多输出支持向量机醋糟气化建模
[15]
彭晓冰, 李启顺, 王丽珍, 朱玉全. 面向SVM的隐私保护方法研究进展
2017, Vol. 38 
