CNN框架中，如何對(duì)其模型的超參數(shù)進(jìn)行自動(dòng)化獲取一直是一個(gè)重要問(wèn)題。提出一種基于改進(jìn)的貝葉斯優(yōu)化算法的CNN超參數(shù)優(yōu)化方法。該方法使用改進(jìn)的湯普森采樣方法作為采集函數(shù)，利用改進(jìn)的馬爾可夫鏈蒙特卡羅算法加速訓(xùn)練高斯代理模型。該方法可以在超參數(shù)空間不同的CNN框架下進(jìn)行超參數(shù)優(yōu)化。利用CIFAR-10、MRBI和SVHN測(cè)試集對(duì)算法進(jìn)行性能測(cè)試，實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的CNN超參數(shù)優(yōu)化算法比同類(lèi)超參數(shù)優(yōu)化算法具有更好的性能。