- 博客(5)
- 资源 (20)
- 收藏
- 关注
原创 支持向量机SVM 原理、推导与Matlab实现(2)-对偶问题
SVM原理请参见上一个博文 http://blog.csdn.net/taiji1985/article/details/75087742对偶问题什么是对偶问题,举一个例子。工厂在资源有限的情况下,追求利润的最大化。这个问题等价于 , 在某一个利润下,追求资源使用的最小化。 这就是对偶问题。SVM最优化公式回顾对于SVM,有这样的最优化公式min12wTw满足yi(wTxi+b)⩾1 \min
2017-07-14 18:20:27 3060 1
原创 非线性约束极值问题 - 拉格朗日乘子法 方法与原理
动机非数学专业,只是用得到,所以学一下。问题描述首先来看一下非线性最优化问题,一般有这么几类。第一类: 无约束最优化问题找到一个合适的x,是的f(x)最小: minxf(x) \min_x f(x) 没有任何约束的最优化问题,这个一般解法有 梯度下降法、牛顿法、拟牛顿法等。第二类: 有等式约束的非线性minxf(x)subject to hi(x)=0i∈[1,n] \min_x f(x) \
2017-07-14 13:31:26 5604 1
原创 支持向量机SVM 原理、推导与Matlab实现
1 内容本文首先介绍SVM的原理,随后给出SVM的公式推导、并使用Matlab的二次规划函数进行求解。2 SVM原理我们前面学过了线性回归和线性分类器。我们来回顾一下。2.1 线性回归线性回归试图找到一条线,让每个点在Y方向上离线越接近越好。就是说,每个数据点做一条垂直的线相较于回归直线,这些线段(图中红色线段)的长度的平方和最小就是要最优化的函数。如图。J(w,b)=∑i(wTxi+b−yi)2
2017-07-13 19:00:15 30838 7
原创 无约束非线性优化经典算法学习笔记
本博客仅为学习笔记。梯度下降法有函数x(θ)x(\theta) ,梯度下降法的迭代公式为: xk+1=xk−agk x_{k+1} = x_k -a g_k 其中gkg_k为x(θ)x(\theta) 在x_k点的导数。牛顿法当x为标量时 xk+1=xk−x′x′′ x_{k+1} = x_k - \frac{x'}{x''}当x为向量时: xk+1=xk−H−1kgkx_{k+1}
2017-07-09 12:59:03 1905
原创 Faster R-CNN学习笔记
资料记录论文翻译 http://blog.csdn.net/liumaolincycle/article/details/48804687 faster-rcnn原理及相应概念解释 http://www.cnblogs.com/dudumiaomiao/p/6560841.html问题描述物体识别和定位: 判断一张图片中是否存在某个物体(物体识别),给出其确切位置(定位)。 物体定位一般给出
2017-07-09 12:26:55 442
tcmalloc源代码及编译安装教程
2020-06-17
stata熵值法通用程序
2020-06-17
RDPWraper解决win10无法远程桌面,提示not supported ,not listening的问题(支持更多的windows版本)
2020-04-12
RDPWraper解决win10无法远程桌面,提示not supported ,not listening的问题
2019-10-22
gradle-3.5-all.zip
2018-03-21
Java卸载需要的msi文件 jre1.8.0_31.msi
2017-06-01
YangMVC 类库和示例程序
2016-05-21
gradle-2.4-all.zip
2016-05-14
php_memcache.dll php5.3 vc9 非线程安全 windows
2013-06-15
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人