學習筆記，僅供參考，有錯必糾

---

文章目錄

• • • 目標函數(shù)
    • 優(yōu)化方案
    • 算法流程

---

目標函數(shù)

優(yōu)化方案

對于光滑函數(shù)和非光滑函數(shù)目標，可以采用ADMM(交替方向乘子法)。

我們使用ADMM來求解我們的目標函數(shù)。原方程滿足KKT條件，因此我們可以將目標函數(shù)寫成增廣拉格朗日形式，并將其轉化為對偶問題來解決原問題。(注意，KKT 條件為求得對偶問題解和原問題解的必要條件)

其中， Λ \Lambda

總結

以上是生活随笔為你收集整理的优化案例(part2)--Fragmentary label distribution learning via graph regularized maximum entropy criteria的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。