一类鲁棒凸优化的Mond-Weir型逼近对偶性

通过引入一类含有不确定信息的凸约束优化问题, 先借助鲁棒优化方法, 建立该不确定凸约束优化问题的Mond Weir型鲁棒逼近对偶问题, 再借助一类广义鲁棒逼近KKT条件, 刻画该不确定凸约束优化问题与其Mond Weir型鲁棒逼近对偶问题之间的逼近对偶性关系.     

基于注水方法与粒子群的多用户OFDM资源分配

针对各态历经信道下多用户OFDM资源分配的用户速率加权和最大化问题,提出了一种新注水方法,能够快速和准确地得到最优子载波分配和最优功率分配;根据Karush-Kuhn-Tucker(KKT)最优性条件,采用粒子群算法对速率阈值乘子进行调整,最大化了满足用户速率阈值限制的用户速率加权和.通过对所提算法与随机对偶梯度算法的分析比较发现,所提算法能够更好地满足KKT最优性条件,从而有利于找到最优解.仿真结果表明,本算法所得到的用户速率加权和高于随机对偶梯度算法.     

带L1规划的广义线性模型中的一种系数估计法

介绍了L1规划广义线性模型(GLM)的一种系数估计法,估计系数的同时进行变量选择,从而确立模型.事实上,此算法用来选择变量更有用.L1规划法按照对系数一范数的惩罚来选择变量,是向前选择变量法的一种改进,运用凸优化的预测—修正法,GLM系数估计法可有效地算出系数,其中规划参数的步长对控制系数精确性至关重要,本文对三种步长选择法作了相应的比较和分析,接着给出算法的推广,最后总结算法并且对这种估计法的应用范围进行了展望.     

齐次规划问题的KKT点和局部鞍点

给出了齐次规划问题KKT点的一个等价性质，采用对约束函数k次方的方法得到齐次规划问题的一个局部鞍点．并给出目标函数和约束函数都连续的情况下KKT点和局部鞍点之间的联系．     

广义互补问题及其约束优化问题的转化形式

对于广义互补问题，本文给出了它的约束优化问题的两种转化形式，讨论了它们的KKT点为原问题的解的充分条件．     

基于变分不等式KKT条件的等价关系的Levenberg-Marquardt算法

建立变分不等式问题KKT条件与光滑带约束方程组的等价关系,进而转化为约束优化问题。利用Levenberg-Marquardt方法给出求解变分不等式问题的算法,在不要求梯度矩阵非奇异的条件下得到了算法的全局收敛性。该算法在一定条件下是局部超线性或二次收敛的。     

一种新的支持向量机增量算法

分析了增量学习过程中支持向量和非支持向量的转化情况。在此基础上提出一种误分点回溯SVM增量算法,该算法先找出新增样本中被误分的样本,然后在原样本集寻找距误分点最近的样本作为训练集的一部分,重新构建分类器,这样能有效保留样本的分类信息。实验结果表明:该算法比传统的支持向量机增量算法有更高的分类精度。     

含弱互补函数的可行的无子规划算法

用弱互补函数来代替F-B互补函数，由此而构建出四个光滑的线性方程．还修改了第二个线性方程，从而保证了迭代点的可行性和目标函数的下降性．采用修改的拟牛顿算法修正，在没有要求子矩阵H^k是一致正定的条件下，证明该算法具有全局收敛性和局部超线性收敛性．算例表明，该算法具有很好的应用前景．     

MATHEMATICAL PROGRAMMING WITH A CLASS OF NON-SMOOTH FUNCTIONS

1 IntroductionIn 1981, H..,.,,[1] introduced the notion of invexity aJnd showed that for inequality con-strained programs, Karush~Kuhn-Tucker(KKT) conditions are sufficient fOr optimality if thefunctions involved are invex(differentiable) functiolis. Sinc…     

使用增量SVM进行文本分类

针对传统SVM无法适应文本数据库随着时间不断更新的问题,通过对新增文本集的KKT条件的分析,研究了加入新增文本集后支持向量集的变化,提出了使用增量SVM进行文本分类的算法,并通过实验验证了通过该算法得到的分类器和传统分类器有着相似的分类能力和泛化能力.