求解低秩密度矩阵约束最小二乘问题的优函数罚方法

应用优函数罚方法求解具有低秩密度矩阵约束的最小二乘问题.首先,用凸差方法处理非凸的低秩约束,并结合罚方法和优函数方法将原问题转化为一系列具有密度矩阵约束的凸优化问题;然后,给出求解该优化问题的优函数罚方法,并对该方法进行收敛性分析;最后,运用半光滑牛顿增广拉格朗日算法求解优函数罚方法的子问题.合成数据集和真实数据集上的数值结果表明,优函数罚方法可有效求解具有低秩密度矩阵约束的最小二乘问题.

非负正交约束优化问题的理论、算法及应用

非负正交约束优化问题是同时带有非负约束和正交约束的优化问题,该类问题在机器学习和数据科学中有着重要的应用。常见的非负正交约束优化问题包括二次指派问题、图匹配问题、非负正交矩阵分解问题、非负主成分分析和K-指示模型等。由于非负约束和正交约束的共同作用,该类问题具有一定的组合结构,一般是NP-难的。本文主要介绍非负正交约束优化问题的基本理论性质、求解算法以及相关的应用模型。

仿射约束矩阵秩最小问题与无约束矩阵秩最小问题的等价性

证明了仿射约束矩阵秩最小问题与无约束矩阵秩最小问题的等价性,即存在λ0>0,对于任意的λ∈(0,λ0),无约束矩阵秩最小问题与仿射约束矩阵秩最小问题有相同的最优解。通过求解无约束罚函数矩阵秩最小问题的最优解来近似替代仿射约束矩阵秩最小问题的最优解是可行的。