368.txt

This complete matlab for neural network

发信人: fpzh (fpzh), 信区: DataMining
标  题: Re: svm请教
发信站: 南京大学小百合站 (Mon Dec 16 21:46:06 2002)

原问题的Lagrange函数为原目标函数减去Lagrange乘子与约束条件的乘积

原问题是最小化，对偶问题就是最大化原目标函数的Lagrange函数，约束为Lagrange函
数对x的偏导为0，Lagrange乘子大于等于0

对于凸二次优化问题，它的最优解和对偶问题的最优解是一样的

不过还要把部分KKT条件代入到目标函数才能得到一般所看到的SvM 的形式（至少我是这
样认为的）

具体可以看《实用最优化方法》（P255），R. Fletcher著，游兆永译，天津科技翻译出
版公司，
1990

【 在 boeingjsf (boeingjsf) 的大作中提到: 】
: 在svm中，把最小化转化为最大化的那个对偶理论是怎么回事呀？
: 谢谢！


--
※ 来源:．南京大学小百合站 bbs.nju.edu.cn．[FROM: 202.113.12.191]