# 超参数优化

作者提出 SIMCA：利用条件去噪分数匹配与条件流匹配目标在每步对引导权重呈最小二乘结构这一观察，把扩散与流匹配模型的无训练后验采样中引导权重化为每步二维线性最小二乘问题，并用贪心模拟式校准（仅需一个小批量采样轨迹、无需重训练）离线求解；在 FFHQ、ImageNet、CelebA、AFHQ-Cat 的多种逆问题上，该方法匹配或超越现有无训练方法，并使扩散采样器把步数从 1000 降到 50 而重建质量无显著下降。

作者提出 SIMCA：利用条件去噪分数匹配与条件流匹配目标在每步对引导权重呈最小二乘结构这一观察，把扩散与流匹配模型的无训练后验采样中引导权重化为每步二维线性最小二乘问题，并用贪心模拟式校准（仅需一个小批量采样轨迹、无需重训练）离线求解；在 FFHQ、ImageNet、CelebA、AFHQ-Cat 的多种逆问题上，该方法匹配或超越现有无训练方法，并使扩散采样器把步数从 1000 降到 50 而重建质量无显著下降。

该研究以Scopus与Web of Science为数据源，经PRISMA流程从4831条记录中筛出608篇2020—2026年同行评审期刊论文与综述，用Bibliometrix与VOSviewer做任务感知、方法学中心的文献计量与主题分析，发现诊断类研究占71.22%、乳腺X线摄影占42.11%、可解释AI爆发值1.00为最强新兴热点，而治疗反应预测仅占2.30%、仅约15—25%的研究明确报告超参数调优策略。

该研究以Scopus与Web of Science为数据源，经PRISMA流程从4831条记录中筛出608篇2020—2026年同行评审期刊论文与综述，用Bibliometrix与VOSviewer做任务感知、方法学中心的文献计量与主题分析，发现诊断类研究占71.22%、乳腺X线摄影占42.11%、可解释AI爆发值1.00为最强新兴热点，而治疗反应预测仅占2.30%、仅约15—25%的研究明确报告超参数调优策略。

该研究在嵌套交叉验证框架下，对经典KNN在由整数近邻数k、类别型距离度量和连续Minkowski指数p构成的混合搜索空间上，比较了网格搜索、随机搜索、贝叶斯优化、遗传算法、代理优化、粒子群优化（PSO）和灰狼优化器七种调优策略，在15个公开分类数据集上用准确率、宏AUC、交叉验证损失、交叉熵损失和运行时间五项指标评估，结果显示PSO取得最佳综合平均排名，但经Holm校正的Wilcoxon符号秩检验表明其仅相对随机搜索具有统计显著优势。

该研究在嵌套交叉验证框架下，对经典KNN在由整数近邻数k、类别型距离度量和连续Minkowski指数p构成的混合搜索空间上，比较了网格搜索、随机搜索、贝叶斯优化、遗传算法、代理优化、粒子群优化（PSO）和灰狼优化器七种调优策略，在15个公开分类数据集上用准确率、宏AUC、交叉验证损失、交叉熵损失和运行时间五项指标评估，结果显示PSO取得最佳综合平均排名，但经Holm校正的Wilcoxon符号秩检验表明其仅相对随机搜索具有统计显著优势。