本文主要介紹原問(wèn)題(PRIME PROBLEM)和對(duì)偶問(wèn)題(DUAL PROBLEM),支持向量機(jī)優(yōu)化問(wèn)題可通過(guò)原問(wèn)題向?qū)ε紗?wèn)題的轉(zhuǎn)化求解。
一、原問(wèn)題的定義
原問(wèn)題的定義為:
最小化:f(ω);
限制條件:gi(ω)≤0,i=1~K;hi(ω)=0,i=1~M。
其中,ω為多維向量,限制條件中具有K個(gè)不等式(gi(ω)≤0),M個(gè)等式(hi(ω)=0)。
二、對(duì)偶問(wèn)題的定義
首先定義函數(shù):L(ω,α,β)=f(ω)+∑αigi(ω)+∑βihi(ω);
該函數(shù)向量形式的定義:L(ω,α,β)=f(ω)+αTg(ω)+βTh(ω);
該函數(shù)向量形式的定義中,α=[α1,α2,…,αK]T,β=[β1,β2,…,βM]T,g(ω)=[g1(ω),g2(ω),…,gK(ω)]T,h(ω)=[h1(ω),h2(ω),…,hM(ω)]T。
基于函數(shù)L(ω,α,β)的定義,原問(wèn)題的對(duì)偶問(wèn)題定義如下:
最大化:θ(α,β)=infL(ω,α,β);
限制條件:αi≥0,i=1~K。
其中,infL(ω,α,β)為遍歷所有ω后,取值最小的L(ω,α,β)。
三、定理一
根據(jù)以上定義,可得出定理一:
如果ω*是原問(wèn)題的解,(α*,β*)是對(duì)偶問(wèn)題的解,則有: f(ω*)≥θ(α*,β*)
該定理的證明如下: θ(α*,β*)=infL(ω,α*,β*)(將α*、β*代入對(duì)偶函數(shù)的定義)
≤L(ω*,α*,β*)(此步推導(dǎo)由于infL(ω,α*,β*)的取值最小)
=f(ω*)+α*Tg(ω*)+β*Th(ω*)(此步推導(dǎo)根據(jù)L(ω,α,β)的定義)
≤f(ω*)(此步推導(dǎo)由于原問(wèn)題的限制條件gi(ω)≤0,hi(ω)=0,對(duì)偶問(wèn)題的限制條件αi≥0)
四、強(qiáng)對(duì)偶定理
將f(ω*)-θ(α*,β*)定義為對(duì)偶差距(DUALITY GAP),根據(jù)上述定理,對(duì)偶差距是大于等于零的函數(shù)。
如果g(ω)=Aω+b,h(ω)=Cω+d,f(ω)為凸函數(shù),則有f(ω*)=θ(α*,β*),此時(shí)對(duì)偶差距等于零。該定理為強(qiáng)對(duì)偶定理(STRONG DUALITY THEOREM)。
強(qiáng)對(duì)偶定理可更通俗地表述為:原問(wèn)題的目標(biāo)函數(shù)(f(ω))是凸函數(shù),原問(wèn)題的限制條件是線性函數(shù),則原問(wèn)題的解與對(duì)偶函數(shù)的解相等。
五、KKT條件
若f(ω*)=θ(α*,β*),則有: f(ω*)+α*Tg(ω*)+β*Th(ω*)=f(ω*); 即對(duì)于所有的i=1~K,要么αi=0,要么gi(ω*)=0(因?yàn)閔i(ω)=0)。
該結(jié)論被稱為KKT條件,KKT分別代表先后獨(dú)立發(fā)現(xiàn)該結(jié)論的研究人員Karush、Kuhn、Tucker,該結(jié)論在Kuhn、Tucker發(fā)現(xiàn)后逐步被推廣。
審核編輯:劉清
-
向量機(jī)
+關(guān)注
關(guān)注
0文章
166瀏覽量
21080 -
機(jī)器學(xué)習(xí)
+關(guān)注
關(guān)注
66文章
8479瀏覽量
133819 -
GAP
+關(guān)注
關(guān)注
0文章
15瀏覽量
8419
原文標(biāo)題:機(jī)器學(xué)習(xí)相關(guān)介紹(12)——支持向量機(jī)(原問(wèn)題和對(duì)偶問(wèn)題)
文章出處:【微信號(hào):行業(yè)學(xué)習(xí)與研究,微信公眾號(hào):行業(yè)學(xué)習(xí)與研究】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦

#硬聲創(chuàng)作季 人工智能入門課程:12. [2.7.1]--支持向量機(jī)(原問(wèn)題和對(duì)偶問(wèn)題)

12. 2 7 支持向量機(jī)(原問(wèn)題和對(duì)偶問(wèn)題) #硬聲創(chuàng)作季
特征加權(quán)支持向量機(jī)
基于改進(jìn)支持向量機(jī)的貨幣識(shí)別研究
基于支持向量機(jī)(SVM)的工業(yè)過(guò)程辨識(shí)

基于標(biāo)準(zhǔn)支持向量機(jī)的陣列波束優(yōu)化及實(shí)現(xiàn)

模糊支持向量機(jī)的改進(jìn)方法

基于向量機(jī)隨機(jī)投影特征降維分類下降解決方案

多分類孿生支持向量機(jī)研究進(jìn)展
基于支持向量機(jī)的測(cè)深激光信號(hào)處理
支持向量機(jī)的故障預(yù)測(cè)模型
什么是支持向量機(jī) 什么是支持向量

支持向量機(jī)(核函數(shù)的定義)

評(píng)論