模式识别与深度学习作业（一）

问题描述

样本集: S = { x 1 , x 2 , … , x l } \mathbb{S} = \{\boldsymbol{x}_1, \boldsymbol{x}_2, \dots, \boldsymbol{x}_l\} S={ x1​,x2​,…,xl​}
要求寻找一个包含所有样本的最小超球体：
$$\underset{\mathbf{c},r}{\min }{r}^2\mathrm{s}.\mathrm{t}.||{\mathbf{x}}_i-\mathbf{c}|{|}^2-r^2\le 0$$
如下图：

1. 仿照本章SVM的推导，构建Lagrange函数，推导其关于$\mathbf{\alpha }$的凸二次规划形式。
2. 设$\mathbf{\alpha }$最优解为 α ∗ = { α 1 ∗ , α 2 ∗ , … , α l ∗ } \boldsymbol{\alpha}^* = \{\alpha_1^*, \alpha_2^*, \dots, \alpha_l^*\} α∗={ α1∗​,α2∗​,…,αl∗​}，求半径$r$与球心坐标$\mathbf{c}$。

求解过程

1. 首先类似SVM的Lagrange函数构造过程，构造如下Lagrange函数：
   $$L(\mathbf{c},r,\mathbf{\alpha })=r^2+\sum _{i=1}^l{\alpha }_i(||{\mathbf{x}}_i-\mathbf{c}|{|}^2-r^2)$$
   要求
   $$\underset{\mathbf{c},r}{\min }{r}^{}$$