证券及期货条例： Submodular 函数优化工具箱
资 源 简 介
近些年，在机器学习（Machine Learning）的各领域里，出现了一个非常有用的基本问题结构：亚模性（子模性，次模性）（submodularity）是一个直觉上收益递减（diminishing return）的性质，声明给一个小集合增加元素比给一个大集合增加同一个元素更有帮助。与凸性（convexity）类似，亚模性可以有效找出大规模问题的可证明的（近似）最优解。 SFO：一个MATLAB/Octave工具箱，实现各种用于亚模函数最小化/最大化的算法。 相关论文发表在Journal of Machine Learning Research（JMLR）11（2010）1141-1144 【注】本人已将该论文添加在源代码包之中。 希望您使用愉快！^-^
文 件 列 表
SFO
krause10a[1].pdf
license.txt
sfo
