Boyd的convex optimization 一书中第9-11章部分图的matlab仿真代码，对学习凸优化算法很有帮助

凸优化方法经典教材，PDF 格式，可搜索。

使用常规植被指数很难从卫星图像中准确识别和提取水体和水下植被，因为对水的强烈吸收会削弱浅水湖泊中水下植被反射的高近红外光谱特性。 这项研究以中国半干旱地区的乌兰苏海浅湖为研究地点，并提出了一种新的凹凸决策功能，可以利用高粉1号（GF-1）检测水下水生植物（SAV）和识别水体。 ），并于2015年7月和2015年8月获取分辨率为16米的多光谱卫星图像。同时，通过决策树方法对新兴植被，“黄台藻开花”和SAV进行了同时分类。 经过实地调查和核实，7月和8月的分类精度分别为92.17％和91.79％，表明GF-1数据重访期短至四天且空间分辨率高，可以满足水生植被要求的精度标准。萃取。 结果表明，凹凸决策函数在区分水和SAV方面优于传统的分类方法，从而大大提高了SAV的分类精度。 凹凸决策函数可以应用于在1.5 m透明度下SAV覆盖率大于0.3 m大于40％，SAV覆盖率大于0.1 m大于40％的水域，这可以为在其他区域准确提取SAV提供新的方法。

the solutions of convex optimization by stephen boyd Boyd 凸优化课后答案

凸优化答案

通过凸优化问题进行矩阵填充

Convex Optimization Solutions Manual Stephen Boyd Lieven Vandenberghe

斯坦福大学Stephen Boyd的凸优化理论教材的电子版，剑桥大学出版社。

Convex Optimization (Stanford CVX101)

convex optimization solution manual