求解稀疏逻辑回归问题的嵌套BB算法的分裂增广拉格朗日算法

逻辑回归是经典的分类方法,广泛应用于数据挖掘、机器学习和计算机视觉.现研究带有程。模约束的逻辑回归问题.这类问题广泛用于分类问题中的特征提取,且一般是NP-难的.为了求解这类问题,提出了嵌套BB(Barzilai and Borwein)算法的分裂增广拉格朗日算法(SALM-BB).该算法在迭代中交替地求解一个无约束凸优化问题和一个带程。模约束的二次优化问题.然后借助BB算法求解无约束凸优化问题.通过简单的等价变形直接得到带程。模约束二次优化问题的精确解,并且给出了算法的收敛性定理.最后通过数值实验来测试SALM-BB算法对稀疏逻辑回归问题的计算精确性.数据来源包括真实的UCI数据和模拟数据.数值实验表明,相对于一阶算法SLEP,SALM-BB能够得到更低的平均逻辑损失和错分率.     

自由支配集下近似平衡约束向量优化问题的稳定性研究

在自由支配集下,对一类近似平衡约束向量优化问题（AOPVF）的稳定性进行研究.首先,在较弱的凸性假设下获得了约束集映射的Berge-半连续性和约束集的闭性、凸性和紧性结果.然后,在目标函数列Gamma-收敛的假设下,分别得到了AOPVF弱有效解映射Berge 半连续和弱有效解集下Painlevé-Kuratowski收敛的充分条件,并给出例子说明结论是新颖和有意义的.