求解大规模非凸优化问题的多阶段MM方法

机器学习的主要目的是让计算机系统具有类似于人的学习能力,而数值优化方法对提高其效率,增强其效果有着举足轻重的作用。在L1-SVM优化问题中,可以利用截断Hinge损失剔除过多的支持向量,提高模型的鲁棒性。但却导致了棘手的非凸优化问题。MM(Majorization-Minimization,MM)是一种求解非凸问题的有效框架,主要思想是通过寻找一系列恰当的凸上界,将非凸目标函数转化为一系列凸的子问题进行求解。常用于求解非凸问题的凸凹转化算法(Con⁃cave-Convex Procedure,CCCP)同属这一框架。论文分析了求解截断L1-SVM问题的CCCP算法具有稀疏支持向量的原因,并在此基础上,利用多阶段策略的优点,提出一种多阶段MM方法,得到了更好的稀疏性。最后在大规模数据集上,进行了实验对比,验证了所提算法的有效性。

用于精确干扰的波形设计快速算法

精确干扰是电子战领域中广受关注的新概念,旨在避免电子干扰过程中对友方设备造成的电磁误伤,其核心思想是实现干扰能量在空域上的精准控制.然而,目前用于精确干扰的波形设计算法存在计算复杂度较高的问题,极易延误电子作战时机.针对这一问题,本文提出一种用于精确干扰的波形设计快速算法.根据精确干扰空间模型建立优化问题,采用Majorization-Minimization框架推导了目标函数的上界,通过迭代求解具有闭式解的子问题,从而得到了精确干扰的可用波形.仿真实验表明,本文算法在精确干扰指标上具有良好性能,并具有计算复杂度更低的优势.

适用于多媒体消息服务的一种网络机制

多媒体消息服务(MMS)可以提供丰富的数据信息通信,现有的MMS网络机制是由WAP论坛和3GPP定义的以MMSProxy-Relay(MPR)为核心的网络机制,针对这种机制可能引起网络服务效率的下降和负载平衡的问题,介绍了一种可行的MMS网络机制,即使用缓存代理(CachingProxy)的方法,可以更好地平衡负载,降低网络拥塞的可能性,同时可以将服务的延迟尽量减少。

模型库的二维框架理论及模型库研究中的潜在领域

本文在简析国内模型库研究的基础之上，介绍了模型库研究的二维框架理论，指出了该理论对模型库研究的意义。并根据二维框架理论，分析了目前模型库研究领域中的薄弱环节及其潜在领域。