该文被密码保护。 阅读全文

摘要： 这篇文章想阐述一阶优化算法，尽可能的做到全面。 Gradient Descent Method 考虑无约束优化问题 Gradient Descent Method 有如下迭代形式： 这里的 为步长，不同的步长构造策略生成了不同的梯度算法，例如， 则为最速下降法，如果 这里的 , 这时候为BB算法。 阅读全文

摘要： 1. 单个算子 从算子的角度来解释一阶算法，令为一个算子，我们求解问题：找到 使得 满足，对应于最优化问题，我们可以令, 这样问题就等价于求解，那么怎么找到这样的呢。 我们寻找一种迭代策略，即找到一种算子F，已知 , 令 这种F满足当 有。于是我们只要寻找满足这种条件的算子即可。接下来介绍几个算法 阅读全文

该文被密码保护。 阅读全文

摘要： 在很多应用领域，例如模式识别，语义分析，文本分类等等，通常是高维的数据。在这种情况下，降维是一个有效的处理这些数据的方法。到目前为止，出现了很多的降维方法，可分为三大类，无监督、监督、半监督。监督的降维方法主要包括线性判别分析（LDA），边缘Fisher分析（MFA），最大边缘准则（MMC）。无监督 阅读全文

摘要： 不介绍深度学习~ 1.[多视角聚类学习-Multi-view Clustering: A Survey] [https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8336846] 2.[多视角学习-Multi-view learning o 阅读全文