积极 AI Logo 积极 AI

非凸鲁棒PCA的特殊范数

非凸鲁棒PCA的特殊范数
几何画板及绘图内容加载中，请稍等……
2020-02-03 12:49
函数解析几何最值优化
这个范例演示了非凸鲁棒PCA中特殊范数的工作原理。通过可视化，我们可以理解非凸优化问题中的特殊范数如何影响PCA的结果。核心数学概念包括非凸优化和鲁棒PCA。使用了GeoGebra中的Min, Midpoint, Distance, OrthogonalLine, Intersect, Segment等命令。适合大学数学专业学生和研究者学习和研究。

GeoGebra 命令及参数

  1. Min(h, 0, (sigma * 5)) → A
  2. Midpoint(A, ClosestPoint[xAxis, A]) →
  3. Distance(A, xAxis) → distanceAxAxis
  4. Midpoint(A, ClosestPoint[xAxis, A]) →
  5. Distance(A, yAxis) → distanceAyAxis
  6. Midpoint(A, ClosestPoint[yAxis, A]) →
  7. OrthogonalLine(A, xAxis) → i
  8. OrthogonalLine(A, yAxis) → j
  9. Intersect(j, yAxis) → B
  10. Segment(A, B) → k
  11. Intersect(i, xAxis) → C
  12. Segment(A, C) → l

AI 绘图提示语参考

绘制一个非凸优化问题中的特殊范数影响。首先，找到点A在x轴和y轴上的最短距离，然后构造点A关于x轴和y轴的垂线，接着找出这两条垂线与坐标轴的交点B和C，最后连接点A与交点B、C，形成线段AB和AC。
以上提示语为根据原始绘图命令整理而来，仅供参考。