CNN框架中，如何對其模型的超參數進行自動化獲取一直是一個重要問題。提出一種基于改進的貝葉斯優化算法的CNN超參數優化方法。該方法使用改進的湯普森采樣方法作為采集函數，利用改進的馬爾可夫鏈蒙特卡羅算法加速訓練高斯代理模型。該方法可以在超參數空間不同的CNN框架下進行超參數優化。利用CIFAR-10、MRBI和SVHN測試集對算法進行性能測試，實驗結果表明，改進后的CNN超參數優化算法比同類超參數優化算法具有更好的性能。