就是海赛(海色)矩阵,在网上搜就有。

在数学中,海色矩阵是一个自变量为向量的实值函数的二阶偏导数组成的方块矩阵,

Hessian矩阵是多维变量函数的二阶偏导数矩阵,H(i,j)=d^2(f)/(d(xi)d(xj))

它是对称的。如果是正定的的可用导数=0的变量组确定它的极小值,负定的确定它的极大值,否则无法确定极值。 

1.极值(极大值或极小值)的定义

设有定义在区域D  Rn上的函数 y=f(x)=f(x1,...,xn) . 对于区域D的一内点x0=(x10,...,xn0),若存在x0的一个邻域UD,使得

             f(x)≤f(x0)     x∈U

     则称x0是f(x)的极大点,f(x0)称为f(x)的极大值.

     相反,如

             f(x)≥f(x0)     x∈U

     则称x0是f(x)的极小点,f(x0)称为f(x)的极小值.

2.海赛(Hessian)矩阵

  设函数y=f(x)=f(x1,...,xn)在点x0=(x10,...,xn0)的一个邻域内所有二阶偏导数连续,则称下列矩阵H为f(x)在x0点的海赛矩阵.

显然海赛矩阵是对称的,从而它的所有特征根均为实数.

3.极值

存在的必要条件

若x0是f(x)的极值点,如果存在,则

     进一步设在一个邻域内所有二阶导数连续,H为在点x0的海赛矩阵.则

    (1)x0是f(x)的极小点  H≥0,即H 的特征根均为非负.

    (2)x0是f(x)的极大点H≤0,即H的特征根为非正.

若在x0点有,则称x0是f(x)的临界点,f(x0)为临界值.

4.极值存在的充分条件

  设f(x)在x0的一个邻域内所有二阶偏导数连续,且x0是f(x)的临界点(即),H为f(x)在x0点的海赛矩阵,则

  (1)H>0,即H为正定矩阵x0是f(x)的极小点.

  (2)H<0,即H为负定矩阵x0是f(x)的极大点.

  (3)H的特征根有正有负x0不是f(x)的极值点.

  (4)其余情况,则不能判定x0是或者不是f(x)的极值点.

5.二元函数极值存在的充分条件

  作为4的特例。观察二元函数极值存在的充分条件.

  设z=f(x,y)在(x0,y0)的一个邻域内所有二阶偏导数连续,  且,

  记 .

  那么,海赛矩阵.

  (1)若A>0,detH=AC-B2>0,则H正定,从而(x0,y0)是f(x,y)的极小点.

  (2)若A<0,detH=AC-B2>0,则H负定,从而(x0,y0)是f(x,y)的极大点.

  (3)若detH=AC-B2<0,则H的特征根有正有负,从而(x0,y0)不是f(x,y)的极值点.

  (4)若detH=AC-B2=0,则不能判定(x0,y0)是否为f(x,y)的极值点.

6.条件极值

求函数      y=f(x)=f(x1,...,xn)         x∈DRn                    (1),

     在约束条件:qk(x)=qk(x1,...,xn)=0,k=1,...,m,m<n             (2),

     下的极值,称为条件极值问题.

     此处,假设雅可比矩阵的秩在D内处处为m,即保证m个约束条件是独立的.

直接代入法

     从约束条件(2)中直接解出m个变量,代入到(1)中,将问题化为求n-m个变量函数的直接极值问题.

拉格朗日(Lagrange)乘数法

     引入拉格朗日函数:

                    (3)

     其中λ1,...,λm称为拉格朗日乘子,是待定常数.

     条件极值问题(1)和(2)可化为求拉格朗日函数(3)的直接极值问题.

    (1) 若x0为(1)和(2)的条件极值点,则x0满足方程组

满足上述方程组的点称为条件极值问题的临界点.显然极值点为临界点,而临界点未必一定是极值点.

    (2)若x0是临界点, HL为拉格朗日函数L在x0点的海赛矩阵, 则可按4中给出的极值存在的充分条件,由HL的正定、负定或不定,判断x0是极小点、极大点或不是极值点.
http://zhidao.baidu.com/link?url=p1cPMKHMIGidZRYfTDDP5RwTW9sAe0xPk4Y-DQR03htxWCNFElxq1Ql809b17ROi8GKZctHnReZadk_xw5Qpwa
http://blog.csdn.net/memray/article/details/9174705 雅可比和海森矩阵的对比
http://zh.wikipedia.org/wiki/海森矩阵 wiki百科

目标检测之基础hessian matrix ---海森矩阵的更多相关文章

  1. [转帖]海森矩阵(Hessian matrix)

    http://hi.baidu.com/imheaventian/item/c8591b19907bd816e2f98612

  2. 使用python,pytorch求海森Hessian矩阵

    考虑一个函数$y=f(\textbf{x}) (R^n\rightarrow R)$,y的Hessian矩阵定义如下: 考虑一个函数:$$f(x)=b^Tx+\frac{1}{2}x^{T}Ax\\其 ...

  3. [炼丹术]基于SwinTransformer的目标检测训练模型学习总结

    基于SwinTransformer的目标检测训练模型学习总结 一.简要介绍 Swin Transformer是2021年提出的,是一种基于Transformer的一种深度学习网络结构,在目标检测.实例 ...

  4. 深度学习中目标检测Object Detection的基础概念及常用方法

    目录 关键术语 方法 two stage one stage 共同存在问题 多尺度 平移不变性 样本不均衡 各个步骤可能出现的问题 输入: 网络: 输出: 参考资料 What is detection ...

  5. 机器学习(ML)十六之目标检测基础

    目标检测和边界框 在图像分类任务里,我们假设图像里只有一个主体目标,并关注如何识别该目标的类别.然而,很多时候图像里有多个我们感兴趣的目标,我们不仅想知道它们的类别,还想得到它们在图像中的具体位置.在 ...

  6. 第二十九节,目标检测算法之R-CNN算法详解

    Girshick, Ross, et al. “Rich feature hierarchies for accurate object detection and semantic segmenta ...

  7. [转]CNN目标检测(一):Faster RCNN详解

    https://blog.csdn.net/a8039974/article/details/77592389 Faster RCNN github : https://github.com/rbgi ...

  8. 目标检测从入门到精通—R-CNN详细解析(二)

    R-CNN目标检测详细解析 <Rich feature hierarchies for Accurate Object Detection and Segmentation> Author ...

  9. (二)目标检测算法之R-CNN

    系列博客链接: (一)目标检测概述 https://www.cnblogs.com/kongweisi/p/10894415.html 概述: 1.目标检测-Overfeat模型 2.目标检测-R-C ...

随机推荐

  1. Bioconda安装与使用

    1.  Bioconda是一个自动化管理生物信息软件的工具,就像APPstore.360软件管家一样. Bioconda的优点是安装简单,各个软件依赖的环境一同打包且相互隔离,非常适合在服务器中建立自 ...

  2. guacamole 基本学习使用

    基本介绍: Guacamole 是一个基于 HTML 5 和 JavaScript 的 VNC 查看器,服务端基于 Java 的 VNC-to-XML 代理开发.要求浏览器支持HTML5. Apach ...

  3. map、hash_map、unordered_map 的思考

    #include <map> map<string,int> dict; map是基于红黑树实现的,可以快速查找一个元素是否存在,是关系型容器,能够表达两个数据之间的映射关系. ...

  4. Cryptography I 学习笔记 --- 数论简介

    0. Zn代表{0,1....n-1}的集合 1. 模运算符合交换律结合律 2. gcd(greatest common divisor),可以由扩展欧几里得算法快速得到. 3. 模逆(modular ...

  5. Codeforces 506D Mr. Kitayuta's Colorful Graph(分块 + 并查集)

    题目链接  Mr. Kitayuta's Colorful Graph 把每种颜色分开来考虑. 所有的颜色分为两种:涉及的点的个数 $> \sqrt{n}$    涉及的点的个数 $<= ...

  6. 集合点-Jmeter-集合点详解

    集合点:简单来理解一下,虽然我们的“性能测试”理解为“多用户并发测试”,但真正的并发是不存在的,为了更真实的实现并发这感念,我们可以在需要压力的地方设置集合点, 还拿那个用户和密码的地方,每到输入用户 ...

  7. ThinkPHP创建应用的一般开发流程及实例

    Thinkphp是免费开源的php框架,提供了建站所需要的各种组件,方便用户快速建设部署网站. Thinkphp简介:http://thinkphp.cn/Manual/16 官方完全开发手册:htt ...

  8. MATLAB矩阵基础运算

    1.矩阵的加减运算X+Y或者X-Y:元素对应相加减.在此要求X与Y必须是同维矩阵,否则会出现错误信息.如果Y为一个数,则表示X中每一元素+Y或者-Y: %当X和Y都为同维矩阵时 X=[1,2,-3;2 ...

  9. 通过UltraISO来提取U盘启动盘的ISO镜像文件

    我们先来说下UltraISO这个工具,中文名也叫软碟通,他是一个无需量产你的U盘就可以把U盘做成启动盘的工具,当然了,这么强大的工具肯定不是免费版的,对,他是共享的:但是你可以下载特别版嘛..网上到处 ...

  10. SVG图片背景透明

    今天在调整网页的时候,将logo以原有直接贴代码形式,改为加载文件. 其实真正的目的是做SEO.上次SEO交流后得出 结论:核心在于内容的本身的优化.信噪比很重要.也就是有效信息需要占文章的主要内容, ...