本文共 430 字,大约阅读时间需要 1 分钟。
凸集
凸集的交集还是凸集。
仿射空间是典型的凸集,Ax = b,Ax < b 线性等式和线性不等式是凸集。
凸函数
判断凸函数的方法:定义,一阶导数判定,二阶导数判定。
定义:
一阶:f(y) > f(x) + f '(x)*(y-x); 二阶:f ''(x) >= 0,>0为严格凸函数,二维则Hessian矩阵为半正定,正定为严格凸函数。
凸函数的线性组合 还是凸函数。
二次函数是典型的凸函数。
凸优化问题是目标函数是凸函数,可行域是凸集,即双凸。
如SVM的目标函数和约束条件,为单位矩阵,即正定,是凸函数,<0 为线性不等式,是凸集,所以SVM的的优化问题为凸优化问题,而是二次型,所以是凸二次规划问题。
凸优化问题的性质,局部最优解是全局最优解,并且规避了鞍点问题(因为Hessian矩阵是半正定的,不存在不确定的点)
slater条件是强对偶的充分但不必要问题。满足slater条件是 1)凸函数+ 2)至少存在一组解使g(x) < 0两个条件。
转载地址:http://jhmws.baihongyu.com/