求优化问题(P) min f(x),当D为凸集，且函数f(x)为凸函数，则称该规划为凸规划。
什么是凸集：点集中任意两点的连线都属于D,则D是凸集：
凸集是单点或一条不间断的线（包括直线、射线、线段）；二、三维空间中的凸集就是直观上凸的图形。（例如：在二维中有扇面、圆、椭圆等，在三维中有实心球体等；多数情况下，两个凸集的交集也是凸集，空集也是凸集）
什么是凸函数：
对于一元函数：
对于二元函数：
例子：
时间： 2024-10-05 23:54:41
什么是凸规划
什么是凸集：点集中任意两点的连线都属于D,则D是凸集：
什么是凸函数：
例子：
什么是凸规划的相关文章
压缩感知（compressed sensing）科普两则
文章贴自:http://www.cvchina.info/2010/06/08/compressed-sensing-2/#more-1173 这是数学家陶哲轩在他自己的blog上写的一篇科普文章,讨论的是近年来在应用数学领域里最热门的话题之一:压缩感知(compressed sensing). 所谓压缩感知,最核心的概念在于试图从原理上降低对一个信号进行测量的成本.比如说,一个信号包含一千个数据,那么按照传统的信号处理理论,至少需要做一 千次测量才能完整的复原这个信号.这就相当于是说,需要有一
二次规划问题
解决最优化问题 : 稍微对它做一下改动,如下: 这是一个约束优化问题,更进一步说是一个二次规划问题,复习一下约束优化问题: 定义1:约束非线性问题是, 其中和都是定义在上的实值连续函数,且至少有一个是非线性的(反之为线性约束优化问题),m是一个正整数,叫做目标函数,叫做约束函数,如果目标函数是二次函数则叫做二次规划问题,由同时满足所有约束方程的点组成的集合叫做可行域,这些点叫可行点. 定义2:Farkas引理,对于给定的n维向量与b,对于任意满足 的向量P,必有的充要条件是:b在
数字图像处理，初识压缩感知Compressive Sensing
声明: 本文为转载, 原作者Rachel-Zhang. 原博客地址:http://blog.csdn.net/abcjennifer 原文地址,http://blog.csdn.net/abcjennifer/article/details/7721834/ 压缩感知是近年来极为热门的研究前沿,在若干应用领域中都引起瞩目.最近粗浅地看了这方面一些研究,对于Compressive Sensing有了初步理解,在此分享一些资料与精华.本文针对陶哲轩和Emmanuel Candes上次到北京的讲座中对
高斯核函数
高斯核函数 所谓径向基函数 (Radial Basis Function 简称 RBF), 就是某种沿径向对称的标量函数.通常定义为空间中任一点x到某一中心xc之间欧氏距离的单调函数 , 可记作 k(||x-xc||), 其作用往往是局部的 , 即当x远离xc时函数取值很小. 高斯核函数 - 常用公式 最常用的径向基函数是高斯核函数 ,形式为 k(||x-xc||)=exp{- ||x-xc||^2/(2*σ)^2) } 其中xc为核函数中心,σ为函数的宽度参数 , 控制了函数的径向作用范围.
第十弹：DPM
一.论文翻译 摘要 本文介绍了一个基于混合多尺度可变形部件模型(mixtures of multiscale deformablepart model)的目标检测系统.此系统可以表示各种多变的目标并且在PASCAL目标检测挑战赛上达到了目前最优结果(state-of-the-art).虽然可变形部件模型现在很流行,但它的价值并没有在类似PASCAL这种较难的测试集上进行展示.此系统依赖于使用未完全标注(partially labeled)的样本进行判别训练的新方法.我们提出了一种间隔敏感(mar
线性规划--概要
线性规划 式约束的条件下,使一个线性函数达到极值.即.目标函数与约束均为线性的规划称为线性规划. 常见形式 线性规划是凸优化 凸优化: 在凸集上的凸函数规划,称为凸规划. 可证明,线性集合是凸集,其满足 线性函数是凸函数, 即 但非严格凸. 统一形式 为了方便统一求解,得出线性规划的统一形式: 当中.通过引入松弛变量.把不等式变为等式. 进而能够写成矩阵的形式: 当中A称为约束矩阵. 可行解 在约束矩阵A的限制下,我们得到一个可行域,可行域里的解称为可行解. 那么求解可行域,也就是一个求解线性方
线性规划--概述
线性规划 在满足一组线性等式或不等式约束的条件下,使一个线性函数达到极值.即,目标函数与约束均为线性的规划称为线性规划. 常见形式 线性规划是凸优化 凸优化: 在凸集上的凸函数规划,称为凸规划. 可证明,线性集合是凸集,其满足 线性函数是凸函数, 即 但非严格凸. 统一形式 为了方便统一求解,得出线性规划的统一形式: 其中,通过引入松弛变量,把不等式变为等式. 进而可以写成矩阵的形式: 其中A称为约束矩阵. 可行解 在约束矩阵A的限制下,我们得到一个可行域,可行域里的解称为可行解. 那么求解可行
建模算法（三）——非线性规划
一.非线性规划和线性规划不同之处 1.含有非线性的目标函数或者约束条件 2.如果最优解存在,线性规划只能存在可行域的边界上找到(一般还是在顶点处),而非线性规划的最优解可能存在于可行域的任意一点达到. 二.非线性规划的Matlab解法 1.Matlab中非线性规划的数学模型为: 其中f(x)是标量函数,A,B,Aeq,Beq是相应维数的矩阵和向量,C(x),Ceq(X)是非线性向量函数. 然后我们通过一个例子来加深印象 MATLAB实现: function f=fun1(x) %定义目标函数 f
无线传感器网络中的节点定位技术
原文:http://www.cnblogs.com/dolphin0520/archive/2013/05/03/3056789.html 无线传感器网络的许多应用要求节点知道自身的位置信息,才能向用户提供有用的检测服务.没有节点位置信息的监测数据在很多场合下是没有意义的.比如,对于森林火灾检测.天然气管道监测等应用,当有事件发生时,人们关心的一个首要问题就是事件发生在哪里,此时如果只知道发生了火灾却不知道火灾具体的发生地点,这种监测没有任何实质的意义,因此节点的位置信息对于很多场合是至关重要的