1) perturbed KKT conditions
扰动KKT条件
2) KKT condition
KKT条件
1.
Based on KKT condition,the possible change of support vector set is analyed after new samples are added to training set and a view named parallel potential data set is put forward.
该算法基于KKT条件,通过研究支持向量分布特点,分析了新样本加入训练集后,支持向量集的变化情况,提出等势训练集的观点。
2.
This thesis studies the KKT condition for a class of two-level programming.
本文研究一类双层规划问题的KKT条件,利用广义拟可微函数的研究成果(广义Farkas引理)及关于一类半无限规划问题的研究将一类双层规划优化问题转化为广义拟可微问题来研究,并推导其问题的KKT条件及更一般形式的双层规划问题的KKT条件。
3) KKT qualification
KKT条件
1.
Aimed at the problem that the traditional support vector machine (SVM) cannot adapt itself to text database updating continuously from time to time, a text categorization algorithm with incremental SVM was presented after analyzing the KKT qualification of newly added text sets and thoroughly investigating the variation of support vector set due to text addition.
针对传统SVM无法适应文本数据库随着时间不断更新的问题,通过对新增文本集的KKT条件的分析,研究了加入新增文本集后支持向量集的变化,提出了使用增量SVM进行文本分类的算法,并通过实验验证了通过该算法得到的分类器和传统分类器有着相似的分类能力和泛化能力。
4) KKT conditions
KKT条件
1.
Study on optimal power flow based on primal-dual interior point algorithm under perturbed KKT conditions and branch-and-bound method;
基于扰动KKT条件的原始-对偶内点法和分支定界法的最优潮流研究
2.
The constrained optimization is transformed into an equivalent equations by making use of the KKT conditions of the constrained optimization and some nonlinear complementarity problems(NCP) functions.
利用约束问题解的KKT条件及变分不等式将约束问题转化为求解方程组的问题,在适当的条件下,证明了算法的全局线性及局部二次收敛性。
3.
Lagrangian dual and KKT conditions for convex fuzzy programming are derived.
最后,建立了凸模糊规划的Lagrange对偶和KKT条件,并将其结果应用到模糊线性规划与模糊二次规划的研究中。
5) KKT-condition
KKT-条件
6) Karush-Kuhn-Tucker(KKT) condition
KKT条件
1.
In the course of incremental learning, support vecter set and non-support vector set which may be converted into support vector in old samples and samples which violate Karush-Kuhn-Tucker(KKT) condition in new samples are chosen as training samples and the useless samples are discarded in this algorithm.
在增量学习过程中,该算法选取原样本的支持向量集和非支持向量中可能转为支持向量的样本集以及新增样本中违反KKT条件的样本作为训练样本集,舍弃对最终分类无用的样本。
2.
This algorithm learns support vectors of every cluster and produces middle model,then finds out the data against middle model\'s Karush-Kuhn-Tucker(KKT) condition from non-support vectors and obtains the final studying model by leaning them with all support vectors.
将各聚类簇中支持向量合并学习生成中间模型,从支持向量以外的非支持向量数据中找出违背中间模型KKT条件的学习数据,并将这些数据与聚类簇中支持向量合并学习继而得到最终学习模型。
补充资料：持续作用扰动下的稳定性
持续作用扰动下的稳定性
stability in the presence of persistently acting perturbations
持续作用扰动下的稳定性仁咖幽勺协触脚。曰盆兄of哪滋众团ya曲嗯碑由州画d.侣;yc功后”.即c几np班noc”-，。110朋益e拍即IO四，x BO3M脚日e朋，xj 初值问题 交=f(x，r)，x(t。)二x。，x任R”(*)之解x。(t)(t)t。)的如下性质:对每一个。>O都有一个占>O使得对每一个适合不等式!y。一x。}<占的夕.，，以及满足以下条件的每一个映射g(x，:): a)在集合 E:={(x，t):t)t。，{x一x。(t)i<。}上g和g，都连续; b)s印(:，，)。::}夕(x，t)一f(x，t)I<吞，初值问题 乡=g(y，t)，夕(t。)=夕。，夕任R”的解y。(t)对一切t)屯，有定义且满足不等式 suP}y。(t)一x。(t)}<￡. r)t。 Bohi定理(B心h】t玩”~)(【11).设初值问题(，)有解x(t)，t)t。，满足以下条件: 幻f和fx对某个。。在瓦。上连续; 刀)s叩。，:。4}人(x(t)，t)}}<+的: 下)映射f在点(x(t)，‘)，t)t。，处对x可微，这个可微性对t)t。是一致的，即 s叩兴}厂(二(‘)+，，，)一f(、(。)，:)+ ，》万。}y} 一人(x(t)，亡)yl~0当y一，O时.这时，为使初值问题的解在持续作用的扰动下为稳定，必要与充分条件是:方程组又=厂(x，t)沿解x(t)的变分方程(粗血tiona】叹业tio璐)组的上奇异指数(见奇异指数(s泊g止汀exponents))小于零. 若f(x，t)不含t(即自治系统)，而解x(t)为周期的或常值的;或者f(x，t)对t有周期而解x(0也有相同的(或可公度的)周期或者常值，则:l)Bohi定理中所陈述的一致可微性条件是多余的(它可从定理的其他条件导出);2)方程组交=f(x，t)沿解x(t)的变分方程组的上奇异指数可以有效地算出来.【补注】持续作用扰动下的稳定性也称为持续扰动下的稳定性(stab正ty Under pelsis招ni perturhatio幻)或全稳定性(total stabiljty).
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条