凸集、凸函数、凸优化问题

机器学习中,经常会用到凸集、凸函数、凸优化问题。
这里对这些概念进行介绍,简单介绍其关系。

凸集:如果集合A中任意两个元素的连线上的点也在集合内,则为凸集。见下图。
这里写图片描述
凸函数:函数任意两点连线上的值大于对应对应自变量出的函数值,则为凸函数。见下图。
这里写图片描述
凸优化:目标函数是凸函数,变量集合属于凸集,则可以用凸优化处理问题。或者目标函数是凸函数,变量集合的约束函数是凸集合,则也可以用凸优化处理问题。

凸优化问题有一个重要的结论:凸优化问题的局部最优解,就是全局最优解。

常见的凸优化问题:
线性规划:linear programming
二次线性规划:quadratic programming
二次约束二次规划:quadratic contrained programming

参考文章
1、http://www.cnblogs.com/tornadomeet/p/3300132.html
2、http://blog.csdn.net/chlele0105/article/details/12238839

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值