国家自然科学基金(11261015)
- 作品数：14 被引量：22H指数：3
- 相关作者：欧宜贵张燕张晨光林海婵刘元文更多>>
- 相关机构：海南大学北京凌云光技术有限责任公司中国石油大学胜利学院更多>>
- 发文基金：国家自然科学基金海南省自然科学基金海南省高等学校科学研究项目更多>>
- 相关领域：理学自动化与计算机技术更多>>
- 基于非单调技术的ODE型混合方法被引量：3
- 2013年
- 基于非单调线搜索技术和IMPBOT算法,提出了一个求解无约束优化问题的ODE型混合方法.该方法的主要特点是:为了求得试验步,该方法在每次迭代时不必求解带信赖域界的子问题,仅需要求解一线性方程组系统;当试验步不被接受时,该方法就执行改进的Wolfe-型非单调线搜索来获得下一个新的迭代点,从而避免了反复求解线性方程组系统.在一定条件下,所提算法还是整体收敛和超线性收敛的.数值试验结果表明该方法是有效的.
- 刘媛媛欧宜贵
- 关键词：无约束优化非单调线搜索收敛性
- 一个基于定步长技术的超记忆梯度法被引量：2
- 2015年
- 基于定步长技术,本文给出一种求解无约束优化问题的超记忆梯度算法,从而避免每步都执行线搜索.在一定条件下证明该算法具有全局收敛性和局部线性收敛率.由于该方法不用计算和存储矩阵,故适合于求解大规模优化问题.数值试验表明该算法是有效的.
- 刘元文欧宜贵马巍
- 关键词：无约束优化超记忆梯度法
- 一类非线性方程组的无导数投影法的收敛速度分析被引量：2
- 2016年
- 在局部误差界条件下,分析了一类非线性方程组的无导数投影法的收敛速度,证明了序列{dist(xk,X*)}Q-线性收敛于0,从而序列{xk}R-线性收敛于x*;对更一般的4种方法进行了讨论,分别得到了其收敛速度.
- 李靖雅欧宜贵
- 关键词：非线性方程组投影法收敛速度
- 求解带界约束的非线性方程组的混合方法
- 2015年
- 基于非单调技术和L-M算法,提出了一种新的求解带界约束的非线性方程组的混合方法.在一定条件下,该算法具有全局收敛性.数值试验表明该算法是有效的.
- 刘元文欧宜贵
- 关键词：非线性方程组界约束非单调技术L-M算法
- 平衡化图半监督学习方法
- 2016年
- 许多机器学习的实际应用中都存在数据不平衡问题,即某类的样本数目要远小于其他类别.数据不平衡会使得分类问题中的分类面过于倾向于适应大类而忽略小类,导致测试样本被错误地判断为大类.针对该问题,文章提出了一种平衡化图半监督学习方法.该方法在能量函数中引入均衡化因子项,使得置信值不仅在图上尽量光滑且在不同类别之间也尽量均衡,有效减小了数据不均衡的不利影响,21个标准数据集上对比实验的统计分析结果表明新方法在数据不平衡时具有显著(显著性水平为0.05)优于支持向量机以及其他图半监督学习方法的分类效果.
- 张燕张晨光张夏欢
- 关键词：不均衡数据集支持向量机
- 一个求解无约束优化的ODE型混合方法被引量：2
- 2015年
- 基于非单调技术,本文给出一种新的求解无约束优化的ODE型算法.该算法的特点是:每次迭代时只解一次线性方程组系统而获得试验步,然后采用改进的非单调线搜索获得下一个迭代点,从而避免了重复求解线性方程组,减少了算法的计算量.在合理的假设条件下,该算法被证明是全局收敛和局部超线性收敛的.数值试验证实了该算法的有效性.
- 贾胜南欧宜贵王冠舒
- 关键词：无约束优化非单调技术收敛性分析
- 从希尔伯特-施密特独立性中学习的多标签半监督学习方法被引量：4
- 2013年
- 基于希尔伯特-施密特独立性提出了一种新的半监督学习方法,称为最大化依赖性多标签半监督学习方法(dependence maximization multi-label semi-supervised learning method,DMMS)。该方法将样本已有标签作为约束,以最大化特征集和标签集的关联性为目标,通过求解一个线性系统为无标签数据打上标签,具有实现简单,无参(nonparameter)的特点。多个真实多标签数据库的实验表明,DMMS与最好的多标签学习方法,包括多标签近邻(multi-label k-nearest neighbor,MLKNN)和图半监督学习方法具有类似的识别效果。
- 张晨光张燕张夏欢
- 关键词：半监督学习
- 带凸约束的非线性方程组的无导数记忆法被引量：2
- 2016年
- 基于无导数线搜索技术和投影方法,本文提出了一种新的求解带凸约束的非线性方程组的无导数记忆法.该方法在每步迭代时不需要计算和贮存任何矩阵,因而适合求解大规模非线性方程组问题.在较弱条件下,该算法具有全局收敛性.数值试验结果及其相关的比较表明该算法是比较有效的.
- 许琼林海婵欧宜贵
- 关键词：非线性方程组投影法整体收敛性
- 对加速自适应Perry-共轭梯度法全局收敛性的进一步研究被引量：1
- 2019年
- 提出了一类有效的求解大规模优化问题的共轭梯度法(AGGSSV),但其全局收敛性是在目标函数为一致凸的条件下成立,研究了目标函数不是凸函数的条件下,共轭梯度法(AGGSSV)的全局收敛性.
- 林海婵
- 关键词：无约束优化收敛性分析
- 一个无约束优化的非单调拟牛顿型ODE方法被引量：1
- 2018年
- 给出一个求解无约束优化的非单调拟牛顿型ODE方法.它的主要特点是:在每次迭代时,搜索方向仅需计算矩阵和向量的乘积就能获得,从而避免求解线性方程组系统,减少算法的计算量.然后采用一个改进的非单调线搜索以获得下一个新迭代点.在适当的条件下,该方法还是整体收敛和局部超线性收敛的.初步的数值试验结果表明了其有效性.
- 周鑫欧宜贵
- 关键词：无约束优化拟牛顿方程
