信号和图像处理、机器学习、医学图像重建、计算机视觉和网络通信等中的许多问题都可以归结为求解具有线性等式约束的两个及以上凸......

本文研究了凸优化理论在大规模机器学习中的应用,给出了基于Fenchel对偶理论的核Logistic回归并行分类算法(PDS)以及基于割平面理......

本文研究了非线性泛函分析和凸优化中的几个问题．第一章主要在无穷维Banach空间中建立了非线性规划问题的二阶必要最优性条件，所要求......

本文主要为复合凸规划和差凸规划问题,建立新的最优性条件,同时研究电磁弹性材料的椭圆夹杂问题,给出其解析解,并利用已获得的最优......

采用2种方法重新证明了一般线性锥优化问题的强锥对偶定理:以Nesterov和Nemirovskii的证明为基础,利用凸集分离定理、线性不等式组......

数学的许多分支中对偶性是一个十分重要的概念。例如,复数的共轭,矩阵的转置或共轭转置,微分方程和伴随方程,控制理论中的能控性与......

给出了一种人规模核Logistic回归的并行学习算法．利用凸优化中的Fenchel对偶定理，将核Logistic回归的优化原问题转换成对偶空间的优......

基于凸优化中的对偶理论，提出了一种具有遗忘特性的在线学习算法框架。其中，Hinge函数的Fenehel对偶变换是将基本学习问题由批量学习......

通过介绍一类优化问题的原始问题和对偶问题，引入了混合逆变分不等式（简称IMVI）的三种对偶问题，即Lagrange对偶、Fenchel对偶和Fenchel......

本文主要研究无约束优化问题的Fenchel对偶以及带无限不等式约束的优化问题Minimize h(x),的Lagrange对偶,其中f,h,ht,t∈T和g分别......