优化算法的学习是有一定难度的(也许有人不这么想,但即使你是天赋异禀的天之骄子,敬畏知识也是一种美德)。笔者本着敬畏知识的态度,从基本理论出发,逐步引入优化算法的殿堂。
关于共轭梯度法理论的介绍,可以通过参考文献【1】了解
这里我通过一个例子来介绍共轭梯度法
(1)
(2)
公式(1)(2)给出了2D点与2D直线的表达方法
现有多条直线,求一个,使其到每条直线的距离的平方和最小(这是一道图像算法入门的经典例题)
对每条直线进行归一化有
令
优化算法的学习是有一定难度的(也许有人不这么想,但即使你是天赋异禀的天之骄子,敬畏知识也是一种美德)。笔者本着敬畏知识的态度,从基本理论出发,逐步引入优化算法的殿堂。
关于共轭梯度法理论的介绍,可以通过参考文献【1】了解
这里我通过一个例子来介绍共轭梯度法
(1)
(2)
公式(1)(2)给出了2D点与2D直线的表达方法
现有多条直线,求一个,使其到每条直线的距离的平方和最小(这是一道图像算法入门的经典例题)
对每条直线进行归一化有
令