Parameter search methodology of support vector machines for improving performance

속도 향상을 위한 서포트 벡터 머신의 파라미터 탐색 방법론

This paper proposes a search method that explores parameters C and σ values of support vector machines (SVM) to improve performance while maintaining search accuracy. A traditional grid search method requires tremendous computational times because it searches all available combinations of C and σ values to find optimal combinations which provide the best performance of SVM. To address this issue, this paper proposes a deep search method that reduces computational time. In the first stage, it divides C-σ- accurate metrics into four regions, searches a median value of each region, and then selects a point of the highest accurate value as a start point. In the second stage, the selected start points are re-divided into four regions, and then the highest accurate point is assigned as a new search point. In the third stage, after eight points near the search point. are explored and the highest accurate value is assigned as a new search point, corresponding points are divided into four parts and it calculates an accurate value. In the last stage, it is continued until an accurate metric value is the highest compared to the neighborhood point values. If it is not satisfied, it is repeated from the second stage with the input level value. Experimental results using normal and defect bearings show that the proposed deep search algorithm outperforms the conventional algorithms in terms of performance and search time.

본 논문에서는 서포트 벡터 머신의 중요한 파라미터인 C와 σ값을 빠르고 정확하게 찾는 탐색 방법론을 제안한다. 기존에 알려진 격자 탐색 방식은 모든 경우를 비교하기 때문에 탐색속도가 느리다. 이러한 문제점을 개선하기 위해 본 논문에서는 탐색속도 향상을 위한 딥 서치 방식을 제안한다. 1단계에서는 C-σ 정확도지표를 4등분 한 뒤 각 영역의 중간 값을 탐색하여 가장 정확도 값이 높은 지점을 시작 지점으로 선택한다. 2단계에서는 선정된 시작지점을 다시 4등분한 뒤 정확도 값이 가장 큰 지점을 새로운 탐색지점으로 지정한다. 3단계에서는 탐색지점에 이웃한 8개의 지점들을 탐색하여 정확도 값이 가장 높은 곳을 새로운 시작 지점으로 선정한 뒤 해당 지점을 4등분하여 정확도 값을 계산한다. 마지막 단계에서는 이웃 지점의 값들보다 탐색지점의 정확도지표 값이 최댓값이 될 때까지 진행한다. 최댓값을 만족하지 않을시 2단계에서부터 반복하며 입력된 레벨 값만큼 반복을 진행한다. 베어링의 결함 및 정상 데이터를 사용하여 비교한 결과, 제안한 Deep search 알고리즘은 기존 알고리즘 보다 성능 및 탐색시간에서 우수성을 보였다.