特征提取中一类矩阵迹函数极值问题的黎曼优化算法

研究来源于特征提取中的一类鲁棒判别回归模型,该模型问题可以重构为Stiefel流形和线性流形组成的乘积流形约束下的一类矩阵迹函数极小化问题.整合紧流形和线性流形,结合乘积流形几何性质,本文设计适用于求解重构问题简化版本的一类基于Zhang-Hager技术拓展的乘积流形黎曼非线性共轭梯度法,并给出算法全局收敛性分析.数据实验表明所提算法对于问题求解是高效可行的,且与已有算法、其它黎曼梯度类算法及黎曼优化工具箱中已有的黎曼一阶和二阶算法相比在迭代解精度或迭代效率上有一定优势.

多维标度问题的一类直接拟合法

多维标度分析(MDS)是一种用于分析和可视化数据之间相似性或距离关系的统计方法,它通过将数据点映射到低维空间中的坐标来表示它们之间的相对距离或相似性.多维标度问题的古典解通过对(非欧氏型)距离矩阵平方进行双中心化处理,进而通过截断特征值分解寻求低维的拟合构造点.本文对距离矩阵平方进行直接拟合,重构问题为零列和Stiefel子流形和线性流形约束下的矩阵优化模型,并结合乘积流形几何性质,设计一类自适应问题模型的基于Zhang-Hager技术拓展的黎曼梯度下降求解算法.数值实验说明通过直接拟合能得到误差更小的拟合欧氏距离矩阵,且所提算法与已有投影梯度流算法及黎曼优化工具箱中的黎曼一阶和二阶算法在迭代效率上有一定的优势.