• Journal of applied mathematics & informatics
• /
• 제28권3_4호
• /
• pp.753-762
• /
• 2010

Let K be a nonempty closed convex subset of a real Hilbert space H. Let T : K $\rightarrow$ K be a nonexpansive mapping with a nonempty fixed point set Fix(T). Let f : K $\rightarrow$ K be a contraction mapping. Let {$\alpha_n$} and {$\beta_n$} be sequences in (0, 1) such that $\lim_{x{\rightarrow}0}{\alpha}_n=0$, (0.1) $\sum_{n=0}^{\infty}\;{\alpha}_n=+{\infty}$, (0.2) 0 < a ${\leq}\;{\beta}_n\;{\leq}$ b < 1 for all $n\;{\geq}\;0$. (0.3) Then it is proved that the modified Krasnoselski-Mann iterative sequence {$x_n$} given by {$x_0\;{\in}\;K$, $y_n\;=\;{\alpha}_{n}f(x_n)+(1-\alpha_n)x_n$, $n\;{\geq}\;0$, $x_{n+1}=(1-{\beta}_n)y_n+{\beta}_nTy_n$, $n\;{\geq}\;0$, (0.4) converges strongly to a point p $\in$ Fix(T} which satisfies the variational inequality

$\leq$ 0, z $\in$ Fix(T). (0.5) This result improves and extends the corresponding results of Yao et al[Y.Yao, H. Zhou, Y. C. Liou, Strong convergence of a modified Krasnoselski-Mann iterative algorithm for non-expansive mappings, J Appl Math Com-put (2009)29:383-389.

• Journal of applied mathematics & informatics
• /
• 제28권1_2호
• /
• pp.13-30
• /
• 2010

Let C be a nonempty closed convex subset of a real Hilbert space H. Consider the following iterative algorithm given by $x_0\;{\in}\;C$ arbitrarily chosen, $x_{n+1}\;=\;{\alpha}_n{\gamma}f(W_nx_n)+{\beta}_nx_n+((1-{\beta}_n)I-{\alpha}_nA)W_nP_C(I-s_nB)x_n$, ${\forall}_n\;{\geq}\;0$, where $\gamma$ > 0, B : C $\rightarrow$ H is a $\beta$-inverse-strongly monotone mapping, f is a contraction of H into itself with a coefficient $\alpha$ (0 < $\alpha$ < 1), $P_C$ is a projection of H onto C, A is a strongly positive linear bounded operator on H and $W_n$ is the W-mapping generated by a finite family of nonexpansive mappings $T_1$, $T_2$, ${\ldots}$, $T_N$ and {$\lambda_{n,1}$}, {$\lambda_{n,2}$}, ${\ldots}$, {$\lambda_{n,N}$}. Nonexpansivity of each $T_i$ ensures the nonexpansivity of $W_n$. We prove that the sequence {$x_n$} generated by the above iterative algorithm converges strongly to a common fixed point $q\;{\in}\;F$ := $\bigcap^N_{i=1}F(T_i)\;\bigcap\;VI(C,\;B)$ which solves the variational inequality $\langle({\gamma}f\;-\;A)q,\;p\;-\;q{\rangle}\;{\leq}\;0$ for all $p\;{\in}\;F$. Using this result, we consider the problem of finding a common fixed point of a finite family of nonexpansive mappings and a strictly pseudocontractive mapping and the problem of finding a common element of the set of common fixed points of a finite family of nonexpansive mappings and the set of zeros of an inverse-strongly monotone mapping. The results obtained in this paper extend and improve the several recent results in this area.

• 대한수학회보
• /
• 제34권2호
• /
• pp.259-271
• /
• 1997

Let K be a nonempty subset of a normed linear space X and let x $\in$ X. An element k$_0$ in K satisfying $\$\mid$$x - k$_0$$\$\mid$$ = d(x, K) := (equation omitted) $\$\mid$$x - k$\$\mid$$ is called a best approximation to x from K. For any x $\in$ X, the set of all best approximations to x from K is denoted by P$_K$(x) = {k $\in$ K : $\$\mid$$ x - k $\$\mid$$ = d(x, K)}. (omitted)

• 한국컴퓨터정보학회논문지
• /
• 제17권3호
• /
• pp.67-76
• /
• 2012

트래픽 분류는 트래픽 관리하는데 중요한 역할을 차지하고 있다. 전통적인 방법은 P2P와 암호화 트래픽을 제대로 분류할 수 없는 문제가 있다. 서포트 벡터 머신은 기존의 문제를 해결할 수 있고 병목 현상을 극복할 수 있는 유용한 분류 도구이다. 하지만 서포트 벡터 머신의 주요 장점은 이차 프로그래밍(QP)문제 때문에 큰 데이터 집단을 훈련하는데 시간을 소모한다. 그러나 유용한 서포트 벡터는 전체 데이터에서 극히 일부분이다. 만약 우리가 훈련전에 쓸모없는 벡터들을 삭제할 수 있다면, 시간을 절약하고 정확도를 유지할 수 있다. 이 논문에서 우리는 대규모 데이터를 다룰 때 훈련 속도를 빠르게 하기위해 순차적인 방법을 통해 쓸모없는 벡터들을 제거하기 위한 가능성을 논의하였다.

• 한국정보과학회논문지:시스템및이론
• /
• 제28권9호
• /
• pp.479-490
• /
• 2001

본 논문에서는 구상에서 주어진 볼록 다각형의 집합$\Gamma$=$｛P_1...P_n｝$의 최대 또는 최소 교차를 결정하기 위하여 다각형의 간선으로 구를 면으로 분할하는 문제를 고려한다. 이 문제는 $\Gamma$의 최대 부분집합을 포함하는 반구를 $\Gamma$를 분리하는 대원을, $\Gamma$를 이분하는 대원을 $\Gamma$를 최소 또는 최대 부분집합을 교차하는 대원을 각각 찾는 다섯가지 기하적 문제를 공통적으로 관련이 있다. 구다각형의 최대 및 최소 교차를 효율적으로 구하기 위하여 우리는 간선 기반 분할의 방식을 취하는데 이 방식에서는 구가 각 다각형에 의해 증분적으로 분할되면서 면이 아닌 면을 구성하는 간선의 소유권이 처리된다. 마지막에는 최대수의소유권을 가지는 분할된 비정렬 간선들을 모아 해가 되는 면들의 경계를 구성하지 않고 그들의 중심을 근사적으로 얻는다. 최대 교차를 찾는 우리의 알고리즘은 효율적인 시간복잡도 O(nv)를 가지는 것으로 분석된다. 여기서 n는 v은 각각 다각형과 모든 장점의 개수들이다. 더구나 견고하게 수치를 계산하고 모든 degeneracy 경우를 다루기 때문에 구현의 관점에서도 실제적이다. 유사한 방식을 사용하여 일반적인 교차의 모든 경계는 O(nv+LlogL)시간에 구성할 수 있다. 여기서 L은 해로 출력되는 간선의 개수이다.