文章目录

  • 1、凸函数
  • 2、仿射函数
  • 3、凸优化问题
  • 4、凸二次规划问题

1、凸函数

凸函数: 和高数上不一样,不是看形状,而是看定义
f[(x1+x2)/2]<=[f(x1)+f(x2)]/2f[(x_1+x_2) /2] <=[f(x_1)+f(x_2)]/2f[(x1​+x2​)/2]<=[f(x1​)+f(x2​)]/2

f(x)=x直线也是凸函数,但不严格

严格凸函数:f[(x1+x2)/2]<[f(x1)+f(x2)]/2f[(x_1+x_2) /2] < [f(x_1)+f(x_2)]/2f[(x1​+x2​)/2]<[f(x1​)+f(x2​)]/2 ,如 f(x)=x2f(x)=x^2f(x)=x2

2、仿射函数

仿射函数:最高次数为1的多项式函数。f(X)=w1x1+w2x2+..+wnxn+bf(X)=w_1x_1+w_2x_2+..+w_nx_n+bf(X)=w1​x1​+w2​x2​+..+wn​xn​+b。
仿射函数也是凸函数,只是不是严格凸函数。
常数项为零的仿射函数称为线性函数,线性函数是过原点的仿射函数。

3、凸优化问题

若f(X)f(X)f(X)为目标函数、g(X)g(X)g(X)为不等式约束、h(X)h(X)h(X)为等式约束。三者在定义域内是连续可微的,且目标函数f和不等式约束函数g是凸函数,等式约束h是仿射函数,则这种约束最优化问题称为凸优化问题。

4、凸二次规划问题

凸二次规划问题是凸优化问题的一个特殊形式,当目标函数是二次型函数且不等式约束函数 g 是仿射函数时,就变成一个凸二次规划问题。凸二次规划问题存在解。

凸二次规划问题的特征:
目标函数f是二次型函数函数。如svm: f(w)=w12+..+wn2f(\textbf{w})=w_1^{2}+..+w_n^{2}f(w)=w12​+..+wn2​
等式约束h是仿射函数
不等式约g是仿射函数

常用的二次规划问题求解方法有:
椭球法
内点法
增广拉格朗日法
梯度投影法

凸二次规划(convex quadratic programming)问题相关推荐

  1. 优化问题-LP,QP和QCQP(线性规划,Linear Programming; 二次规划,Quadratic Programming;二次约束二次规划)

    文章目录 线性规划(LP) LP的一些例子: Chebyshev中心 ℓ∞\ell_{\infty}ℓ∞​-norm 近似问题: ℓ1\ell_{1}ℓ1​-norm 近似问题: 二次规划(QP) Q ...

  2. 复习支持向量机(SVM)没空看书时,掌握下面的知识就够了

    支持向量机(support vector machines, SVM)是一种二类分类模型.它的基本模型是定义在特征空间上的间隔最大的线性分类器:支持向量机还包括核技巧,这使它成为实质上的非线性分类器. ...

  3. 统计学习方法 李航---第7章 支持向量机

    第7章 支持向量机 支持向量机(support vector machines, SVM)是一种二类分类模型.它的基本模型是定义在特征空间上的间隔最大的线性分类器:支持向量机还包括核技巧,这使它成为实 ...

  4. 机器学习算法学习笔记:支持向量机

    文章目录 一.理论篇 1.概述 2.间隔与支持向量 3.优化问题 3.1 拉格朗日乘子法 3.2 原始和对偶问题 4.硬间隔SVM 5.软间隔SVM 6.核函数 7.序列最小优化(SMO)算法 8.模 ...

  5. 机器学习二:支持向量机

    支持向量机 1. 介绍 2. 对偶问题 3. 非线性数据 3.1 核函数与核技巧 3.1.1 数学解释 3.1.2 几种常用的核函数 4. SVM 响应离群点 4.1 软间隔 4.2 正则化 4.3 ...

  6. 监督学习 | SVM 之线性支持向量机原理

    文章目录 支持向量机 1. 线性可分支持向量机 1.1 间隔计算公式推导 1.2 硬间隔最大化 1.2.1 原始问题 1.2.2 对偶算法 1.3 支持向量 2. 线性支持向量机 2.1 软间隔最大化 ...

  7. 如何理解SVM | 支持向量机之我见

    囫囵吞枣看完SVM,个人感觉如果不好好理解一些概念,或说如果知其然而不知其所以然的话,不如不看.因此我想随便写一写,把整个思路简单地整理一遍.:) SVM与神经网络 支持向量机并不是神经网络,这两个完 ...

  8. 百面机器学习 #3 经典算法:01-2 不完全线性可分(软间隔)支撑向量机SVM

    文章目录 ①从原问题到对偶问题 ②对偶问题的解的形式化简 ③从对偶问题的解到原问题的解 ④从原问题的解到分离超平面.决策函数.支撑向量 假设训练数据集不是线性可分的.通常情况是,训练数据中有一些特异点 ...

  9. 【机器学习-西瓜书】六、支持向量机(SVM):最大间隔;对偶问题;KKT条件

    推荐阅读:对偶问题,KKT条件 关键词:最大间隔:支持向量:对偶问题:KKT条件:SMO算法 6.1 间隔与支持向量 关键词:最大间隔:支持向量. 支持向量机(Support Vector Machi ...

  10. AI人工智能 / ML机器学习专业词汇集

    部分转自AI人工智能专业词汇集 目录 Letter A Letter B Letter C Letter D Letter E Letter F Letter G Letter H Letter I ...

最新文章

  1. 【剑指offer-Java版】39二叉树的深度
  2. Android读写assets、raw、sdard和工程文件的方法
  3. mysql 当前记录集不支持书签_存储过程 分页。当前记录集不支持书签。这可能是提供程序或选定的游标类型的限制。...
  4. boost::bron_kerbosch_all_cliques用法的测试程序
  5. Java 18 发布:甲骨文公司已开始将Java纳入其软件许可审计
  6. 《人月神话》——一部被名字误导的软件开发的书——第一次阅读
  7. asp.net的10个提升性能或扩展性的秘密(二)
  8. [BZOJ1045] [HAOI2008] 糖果传递 (中位数)
  9. 互联网防骗指南[摘录58同城]
  10. Windows11微软官方网址下载地址(2021年11月更新)
  11. 关闭windows server 2016弹出交互式服务检测窗口
  12. NCBI生物分类数据库(Taxonomy)
  13. Arbitrum上首个跨链互操应用开启空投计划!
  14. oracle安装配置
  15. python继续教育_济宁市专业技术人员继续教育自动化观看课程工具
  16. 一文探究OR值和RR值区别
  17. three.js之高级几何体-使用二元操作组合网格(vue中使用three.js38)
  18. Python基础知识(5)控制流程
  19. python:实现IIR 滤波器算法(附完整源码)
  20. 常用jdk类库源码分析以及各个包

热门文章

  1. 一卡通(M1卡)破解过程记录——获取扇区密钥
  2. python集合和字典创建通讯录_Python基础-字典和集合
  3. 计算机操作系统安装实验报告,操作系统实验报告1.doc
  4. maven scm 配置git
  5. php网页电话外呼,一种基于web网页端的电话外呼方法与流程
  6. NFine框架因新增页面而显示无法链接资源
  7. 数字通信系统的组成框图
  8. java+mysql+学生课程管理系统的实现
  9. GitHub官网入门教程翻译
  10. CMMI认证是什么,级别分类有哪些?