Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > math > arXiv:0709.2556

帮助 | 高级搜索

数学 > 优化与控制

arXiv:0709.2556 (math)
[提交于 2007年9月17日 ]

标题: SDLS:用于求解圆锥最小二乘问题的Matlab工具包

标题: SDLS: a Matlab package for solving conic least-squares problems

Authors:Didier Henrion (LAAS, CVUT), Jerome Malick (LJK)
摘要: 本文件是用于解决凸对称锥上的最小二乘问题的Matlab包SDLS(半定最小二乘)的介绍。该包通过所解决的问题简要介绍,实现算法的概述,语法和调用序列,一个简单的数值示例和一些更高级的功能。实现的方法是使用拟牛顿算法求解对偶问题。我们注意到SDLS并不是该算法最具竞争力的实现:高效、稳健的商业实现已经存在(请联系作者)。我们使用此Matlab SDLS包的主要目标是为解决和实验半定最小二乘问题提供一个简单、用户友好的软件。据我们所知,截至目前尚不存在此类免费软件。
摘要: This document is an introduction to the Matlab package SDLS (Semi-Definite Least-Squares) for solving least-squares problems over convex symmetric cones. The package is shortly presented through the addressed problem, a sketch of the implemented algorithm, the syntax and calling sequences, a simple numerical example and some more advanced features. The implemented method consists in solving the dual problem with a quasi-Newton algorithm. We note that SDLS is not the most competitive implementation of this algorithm: efficient, robust, commercial implementations are available (contact the authors). Our main goal with this Matlab SDLS package is to provide a simple, user-friendly software for solving and experimenting with semidefinite least-squares problems. Up to our knowledge, no such freeware exists at this date.
主题: 优化与控制 (math.OC)
MSC 类: 90C22; 90C25
引用方式: arXiv:0709.2556 [math.OC]
  (或者 arXiv:0709.2556v1 [math.OC] 对于此版本)
  https://doi.org/10.48550/arXiv.0709.2556
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Didier Henrion [查看电子邮件]
[v1] 星期一, 2007 年 9 月 17 日 09:10:50 UTC (5 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
math.OC
< 上一篇   |   下一篇 >
新的 | 最近的 | 2007-09
切换浏览方式为:
math

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号