中科大-凸优化 笔记（lec9）-广义不等式、分离与支撑超平面、对偶锥与广义不等式

最新推荐文章于 2021-05-09 11:37:35 发布
最新推荐文章于 2021-05-09 11:37:35 发布
阅读量2.3k 收藏 5
点赞数 2
分类专栏： # 中科大-最（凸）优化学习笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_41485273/article/details/113646368
版权
这篇博客汇总了中科大凸优化课程的笔记，主要内容包括广义不等式的概念，介绍了分离与支撑超平面的理论，以及对偶锥与广义不等式的关联，部分内容参照书籍并补充了基础理论知识。
摘要由CSDN通过智能技术生成

全部笔记的汇总贴（这一节的视频缺失）：中科大-凸优化

内容是自己看书上的三节整理的，和前面几节一样，算是一些基础性的理论知识。

只能说这一块儿先就这样，后面的课程如果遇到需要进行补充学习的地方，再进行加强。

一、广义不等式

在这里插入图片描述
在这里插入图片描述在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

二、分离与支撑超平面

类似于SVM
在这里插入图片描述<

最低0.47元/天 解锁文章
及时行樂_
关注
专栏目录
中科大-凸优化 笔记（lec1）-综述、简介优化问题
scu-liu的博客
02-01 4198
全部笔记的汇总贴（视频也有传送门）：中科大-凸优化 一、优化问题的一般形式 优化/数学规划（optimization/Mathematical Programming） 从一个可行解的集合中，寻找最优的元素。 从数学上看，任意一个优化问题都可以写成这样的形式， min⁡xf0(x)subject  to  fi(x)≤bi,i=1,⋯ ,mx=[x1,⋯ ,xn]T    优化变量（Optimization  Variable）f0:Rn→R    目标函数（Objective  Function）fi:R
凸优化 第二章 凸集
qq_42668315的博客
03-11 420
在此记录一些需要理解的概念 超平面的表达 超平面可以看成是aT(x−x0)=0aTx=aTx0=b    [将aTx0记为b]a^T(x-x_0)=0\\a^Tx=a^Tx_0 =b \ \ \ \ [将a^Tx_0记为b]aT(x−x0​)=0aTx=aTx0​=b    [将aTx0​记为b] 相应的，超平面也就分出了两个半空间 aTx≥b=aTx0aT(x−x0)≥0a^Tx\ge b=a^Tx_0\\ a^T(x-
《凸优化》中科大-讲解 -系列笔记（汇总55/55）
热门推荐
scu-liu的博客
02-01 2万+
这是一篇汇总贴 视频 文章主要是结合哔站的视频：中科大-凸优化 第九集好像有缺失，翻了一下评论，可以找找看一下。 笔记 中科大-凸优化 笔记（一）-什么是凸优化？
凸优化学习笔记1（中科大）引言
wusixuan2015的博客
04-14 620
1.引言 优化（optimazation）/数学规划（mathematical programing） 从一个可行解的集合中，寻找出最优的元素。 1.1 数学优化  输出结果：      注意等号两边的空格不要随意添加！ ...
《凸优化读书笔记》第三篇：凸集进阶之保凸运算、分离与支撑超平面、对偶锥与广义不等式
数据算法研习班
05-09 238
前言 实际工作中大量的决策问题，如计算广告中的部分机制策略问题、物流行业的路径规划问题甚至机器学习中的优化问题，都可以表示为数学优化问题，或者数学优化问题的变化形式如多目标优化问题。因此，接下来一段时间将会持续更新数学优化中的凸优化问题和整数规划问题相关知识总结 本篇是《凸优化读书笔记》系列的第二篇，主要讲述凸集相关的基本概念以及几种常见的凸集类型 一、相关概念 1.1 仿射集合 1.1.1 仿射集合的概念 零空间：在数学中，一个算子AAA的零空间是方程Av=0Av=0Av=0所有解vvv的集合，也叫做AA
超平面
kidcad的博客
06-09 688
n维空间的n-1维度平面 三维空间的超平面是二维平面 二维平面的超平面是一维直线 n>3维空间的超平面是n-1维平面 以上是个人理解 https://blog.csdn.net/denghecsdn/article/details/77313758 专业解释看这位的 ...
理解凸优化
weixin_30703911的博客
04-09 187
传送门 转载于:https://www.cnblogs.com/zyb993963526/p/10679574.html
中科大-凸优化 笔记（lec45）-强凸性等价不等式
scu-liu的博客
03-06 1171
全部笔记的汇总贴（视频也有传送门）：中科大-凸优化 上节课两道题 一、函数性质的分析 f(x)f(x)f(x) 二、梯度下降法 Gradient Decent dk=−∇f(xk)d^k=-\nabla f(x^k)dk=−∇f(xk)
中科大-凸优化 笔记（lec40）-松弛对偶
scu-liu的博客
03-01 1045
全部笔记的汇总贴（视频也有传送门）：中科大-凸优化 例：Boolen LP问题 例：Boolen LP等价问题 {min⁡cTxs.t.    Ax≤b              xi(xi−1)=0,i=1,⋯ ,n  ⇒L(x,λ,v)=cTx+λT(Ax−b)+∑i=1nvixi2−∑i=1nvixi=∑i=1nvixi2+(c+AλT−v)Tx−λTb  ⇒g(λ,v)=inf⁡xL(x,λ,v)={−λTb−14∑i=1n(ci+aiTλ−vi)2vi,v≥0−∞,               
常用不等式
04-03
常见初等不等式，有详细的论证，掌握更多的不等式，会提高自己而数学能力。
中科大-凸优化 笔记（lec2）-什么是凸优化？
scu-liu的博客
02-05 3174
全部笔记的汇总贴（视频也有传送门）：中科大-凸优化 一、优化问题的几种分类 线性规划/非线性规划【早期分类】（由于线性约束的存在，线性规划的最优点和可行点一般都是在边界上，所以单纯形法之类的算法是有用的。） fi(αx+βy)=αfi(x)+βfi(y)∀i=0,1,⋯ ,mf_i(\alpha x+\beta y)=\alpha f_i(x)+\beta f_i(y)\\\forall i=0,1,\cdots,mfi​(αx+βy)=αfi​(x)+βfi​(y)∀i=0,1,⋯,m 凸规划/
函数的凹凸性证明_函数的凹凸性与不等式
weixin_39963255的博客
01-02 7140
一、函数的凹凸性考察抛物线 的图像，如图1.1所示，它有一个明显的特征：对于图像上任意两点 ，可以连成一条弦 ，而 与 之间的曲线可以看成一条弧.显然，弧上所有的点都在相对应的弦的下面.严格地说，对任意 ,横坐标为 的点所对应弧上点 之纵坐标小于弦上点 之纵坐标，即 但若令 则有 且 ，于是以上不等式可以写成具有以上特征的函数，我们通常称为下凸函数。对于一般的来...
漫步数学分析番外一
蜗牛
12-14 915
定理2\textbf{定理2} 令S⊂RS\subset R，那么b∈Rb\in R是SS的最小上界，当且仅当bb是上界且对于每个ε>0\varepsilon>0，有一个x∈Sx\in S使得x>b−εx>b-\varepsilon。证明：\textbf{证明：}首先，假设b=lub(S)=sup(S)b=\text{lub}(S)=\sup(S)且ε>0\varepsilon>0，我们必须产生一个
凸优化笔记(1) —— 基本概念
Master He的博客
01-29 5305
凸优化笔记 —— 基本概念1. 数学优化 基本准备 本科没学过凸优化，想趁着还不是太忙，恶补下数学知识，终究是绕不过去的山。应该会不定时的更新凸优化、矩阵论的相关笔记吧，PRML、计算机视觉、概率图模型希望以后也能写一写笔记。 推荐的书籍： 英文版《Convex Optimization》 中文版(译本)《凸优化》(清华出版社) 推荐视频： 前中科大 凌青老师 (现在好像去了中山大学了) 视频在线...
机器学习算法（4）——SVM（以及拉格朗日对偶问题）
知识搬运工的博客
01-19 6910
假设在桌子上似乎有规律放了两种颜色的球，你用一根棍分开它们？要求：尽量在放更多球之后，仍然适用。” 于是我们这样分了： 然后我们往在桌上放了更多的球，似乎有一个球站错了阵营；SVM就是试图把棍放在最佳位置，好让在棍的两边有尽可能大的间隙trick。 现在即使我们放了更多的球，...
凸优化第二章凸集 2.6 对偶锥与广义不等式
hyl1181的博客
12-16 694
2.6 对偶锥与广义不等式 对偶锥 广义不等式的对偶 对偶不等式定义的最小元和极小元 对偶锥 锥K的对偶锥是集合 如上图左图的y是K的对偶锥的一个元素，右图z不是K的对偶锥的元素，几何上看当且仅当-y是K在原点的一个支撑超平面的法向量。 广义不等式的对偶 如果K是正常锥，则K可导出一个广义不等式，并且K的对偶也是正常锥，其对偶也可以导出一个广义不等式。 定义：广义不等式为广义不等式的对偶。 对偶不等式定义的最小元和极小元 x是集合S上关于广义不等式的最小元的充要条件是，，x是在上
凸优化学习（一）凸集与凸函数、凸优化问题
简单快乐
07-01 1万+
4.1 凸集 convex sets 仿射集（Affine Sets）：如果一个集合C∈RnC∈RnC\in\mathbb{R}^n 是仿射的，则在C中两点的直线也在C中，若x1∈C,x2∈C,则x=θx1+(1−θ)x2&amp;amp;nbsp;∈C,θ∈Rx1∈C,x2∈C,则x=θx1+(1−θ)x2&amp;amp;nbsp;∈C,θ∈Rx_1\in C,x_2\in C,则x=\theta x_1+(1-\thet...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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