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. Python学习杂记_3_字符串操作的常用方法

    字符串操作 字符串是可以通过下标来进行取值的,但是由于字符串是不可变变量,不能通过下标来修改它的值(形式如 字符串[下标]),下标从0开始,最大下标值是字符串长度减1,即len(string)-1 P ...

  2. PHP生成随机码

    前几天,做了个小小的实验,生成了一组数据,数据要求是包含1000个元素,每个元素为10个随机的数字加字母的组合. 嗨呀,说写就写,然后用for循环生成了一组数据,看起来还不错,先把代码贴上来. //随 ...

  3. CSU 1997: Seating Arrangement【构造】

    1997: Seating Arrangement Description Mr. Teacher老师班上一共有n个同学,编号为1到n. 在上课的时候Mr. Teacher要求同学们从左至右按1, 2 ...

  4. HDU 1999 不可摸数【类似筛法求真因子和】

    不可摸数 Time Limit: 2000/1000 MS (Java/Others)    Memory Limit: 65536/32768 K (Java/Others)Total Submis ...

  5. HDU 1025 Constructing Roads In JGShining's Kingdom[动态规划/nlogn求最长非递减子序列]

    Constructing Roads In JGShining's Kingdom Time Limit: 2000/1000 MS (Java/Others)    Memory Limit: 65 ...

  6. The End Of 2016

    上半年,在意识模糊的各种考试中度过……每天都在想高考的那几天会是什么样…… 果然,高考期间身体还是出了状况.数学滚粗之后都有点不想考了==但还是坚持到了最后一门. 怎么说呢:高中三年过得不是很开心. ...

  7. 专利事务所信息Python爬取

    数据来源:http://www.acpaa.cn/ 目前事务所的信息没有做反爬限制,还是很容易拿到数据的 没有用html解析工具,直接上正则,结果就是需要处理很多乱七八糟的空格...为了能将日期顺利的 ...

  8. 某考试 T3 C

    找不着原题了. 原题大概就是给你一条直线上n个点需要被覆盖的最小次数和m条需要花费1的线段的左右端点和1条[1,n]的每次花费为t的大线段. 问最小花费使得所有点的覆盖数都达到最小覆盖数. 感觉这个函 ...

  9. 【2019】问题记录一:后端获取URL参数的值内加号“+”变成空格“ ”

    问题:URL参数中加号“+”变成空格“ ” 一.现象     URL如:http://example.****.com/controller/action?param=rice+cook+panda ...

  10. [转]Windows10内置Linux子系统初体验

    Windows10内置Linux子系统初体验 https://www.jianshu.com/p/bc38ed12da1d