鞍点梯度法、鞍点共轭梯度法

本文根据文献[1]、[2]、[3]所提出的鞍点逼近算法,提出两种新型算法。这两种算法有如下重要意义。①将计算鞍点问题转化为求二次极值问题;②用新方法计算鞍点可以在有限步达到最优解;③用新方法求解线性规划问题具有多项式算法性质;④引出差梯度的新概念。

一种新的线性规划迭代算法——鞍点逼近算法

本文提出一种线性规划快速算法,它以直接逼近鞍点为基础,适用于高维与具有大量非零元素的线性规划问题.计算机实践表明,它解决高维问题时比单纯形法收敛快得多.

CNJK算法流程及鞍点共轭梯度法的多项式收敛性

本文用鞍点逼近算法及鞍点共轭梯度算法组成了解决LP 问题的新算法,命名为CNJK 算法。本文证明了只要用鞍点逼近算法找到一个可行解,那么鞍点共轭梯度法就具有多项式收敛性。计算复杂性不超过O(m^2n^2)。

机器学习在模式识别中的应用研究

近年来,机器学习已成功应用于模式识别领域,并且随着研究的深入,机器学习的相关算法和理论又得到了完善和扩展。本文将阐述机器学习的基本概念,分析应用在模式识别领域的若干机器学习算法。