改进的支持向量回归机

标准的支持向量回归机中原始最优化问题的目标函数有两部分：一部分是衡量经验风险的，另一部分是衡量推广能力的。本文引入一个凸函数来代替衡量推广能力的部分，讨论了当这个凸函数取不同的形式时支持向量回归机的变形，这些模型不再要求核函数必须对称正定，从而为我们可以得到更灵活的回归曲面提供了有效的工具。     

再探数学分析中的估值法

估值法是数学分析中不等式运算的核心。本文继续给出四种估值法。     

凸分析的若干应用

1 无界整数规划的充分条件定理1 设在整数规划     

线性约束不可微凸规划的算法及收敛性

本文对约束不可微规划问题min{f(x)|Ax=b,x≥0}给出了一种既约次梯度算法,在f(x)是凸函数和约束集有界且极点非退化的假设下证明了此算法在有限步内得到问题的最优解,或由此产生一个序列{x~k},使得{x~k}的每个聚点都是问题的最优解,同时对另一类约束不可微规划问题min{f(x)|Ax<0}也给出类似的算法,并证明了相应的收敛性。     

一类凸函数的Hadamard不等式

该文通过引入函数ｆ（ｘ）的下指数的概念，对闭区间［ａ，ｂ］上单调凸函数的Ｈａｄａｍａｒｄ不等式进行了改进，结果比文［２，３］为优。     

h凸函数的若干性质

文[1]定义了区间上的h凸函数，并给出了若干等价命题，本文继续文[1]的工作，获得h凸函数的若干性质。     

星形函数两邻项系数模之差的估计

文［２］和［３］已给出了星形函数两邻项系数模之差的估计。但这些估计都带有绝对常数，此文将给出这绝对常数的估计。