目录
一,范数
1,广义范数
广义范数是满足下列性质的任意函数:
2,狭义范数
狭义范数用来衡量向量的大小。
狭义范数都是凸函数,但都是不可微分的函数。
3,范数不等式
m>p>0, 则
当且仅当xi中至多有1个不为0时,不等式取等号。
也就是说,范数是递减的。p趋于0时范数趋于正无穷,p趋于正无穷时范数趋于常数max{x},即各个|xi|中最大的那一个。
4,扩展范数
有一些范数不属于广义范数,姑且称之为扩展范数。
如:
L0范数,表示非0分量的个数
TV范数(Total Variation),表示使图像分片光滑。定义如下: 对图像做两个方向上的差分,然后计算平方和,再取根号,最后全部加起来。
二,常见范数
(0)L0范数。
(1)p=1时,L1范数是向量中各个元素绝对值之和,即曼哈顿距离。
(2)p=2时,L2范数被称为欧几里得范数,即欧几里得距离,常简化表示为 ∥x∥,略去了下标 2。
(3)L∞范数,表示向量中具有最大幅值的元素的绝对值。
(4)F范数,即矩阵的Frobenius 范数,本质上和向量的L2范数是一样的。
三,范数幂
为了简化运算,有时只用范数的幂。
如:
平方L2范数,即L2范数的平方,优势在于既凸又可微分,且对 x 中每个元素的导数只取决于对应的元素。