一种基于随机嵌入技术的高维多模式演化优化方法

摘要

本发明属于演化计算、机器学习的交叉领域，是一种基于随机嵌入技术的高维多模式演化优化方法，可用于多分类支持向量机SVM模型的自动调参。本发明是一种基于多次优化的并行运行而得到的多模式即多个子任务间采用自编码技术来进行子任务间的迁移学习从而提高优化效率的改进的优化算法，可以快速有效地同时优化调节大量的参数，所以非常适用于大规模机器学习模型的超参调节。该方法通过生成多个低维随机嵌入，让每个随机嵌入都可以作为原始的高维任务的替代表示，再利用各个子任务间存在的独特性和相关性，进行一些相互之间的有益迁移学习，一方面有效地提高了对最优解的搜索效率，同时也避免了多次运行的耗时性。