公开(公告)号：CN103744978A

公开(公告)日：2014-04-23

申请号：CN201410016619.1

申请日：2014-01-14

Applicant: 清华大学

Inventor： 杨广文 ,  季颖生 ,  王小鸽 ,  陈宇樹 ,  薛志辉

IPC: G06F17/30

CPC classification number: G06K9/6269

Abstract: 本发明涉及一种基于网格搜索技术用于SVM的参数优化方法，属于机器学习的参数寻优领域。本方法包括抽样，寻优以及选举三个阶段；具体包括：抽样生成多个训练集：从一个给定的完整样本集中随机抽取样本P次组成P个子集，作为训练集，P为正整数；确保每一个子集中的正负样本比例与全集中的正负样本比例保持一致；每个子集规模大小根据完整样本集的大小预先给定，子集数目P的大小确保反应全集的概率分布；每个子集进行参数寻优：利用网格搜索技术，分别对抽样得到的P个子集并行地进行参数寻优，完整遍历整个参数空间；汇总性能结果并且采用选举的方式选出参数组合作为最终的结果输出。本发明旨在提升参数寻优过程中的计算效率。