本文探讨了如何使用最少的椭圆覆盖给定样本点，从单个椭圆覆盖问题扩展到多个椭圆覆盖问题。这是一个非凸优化问题，通过迭代算法转化为一系列小规模的凸优化问题求解。虽然依赖于良好的初始化，该方法将原本复杂的问题简化，但对异常值的处理不如混合高斯模型。文章最后作者对控制理论中使用椭圆而非其他方法表示疑惑，并对一篇相关论文发表吐槽。
CSDN这渣排版……还是看这里吧……点击打开链接
最小椭圆覆盖问题
上凸优化的时候老师讲了一个问题：给定一堆样本点，如何用一个最小的椭圆把它们全部包括进来。其实就是解一个凸优化问题：
minimizeA,bsubject to det(A) ||Axi+b||≤1 i=1,2,…,mA≥0
之所以写成这种形式，是因为椭圆的方程可以表达为：
(x−a)TW(x−a)≤1
其中 W 是一个描述椭圆形状的正定矩阵， a 是椭圆的中心，而椭圆的面积与 det(W) 成正比。根据正定阵的性质，
最低0.47元/天 解锁文章
1109
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
