Don’t judge people before you truly know them. The truth might surprise you. 在不了解之前，还是别妄下判断。
今天是工作日，为了解决日志的距离度量问题，我又一次仔细研究了一下各自度量下的函数，终于把所以函数都
调试通了，但是编辑距离的结果并不是很符合我内心中的希望。最后我觉定还是用我的最长公共子序列进行距离度量，
但是对于0的处理我采用了直接赋值为0.5。最后，我唯一的问题是分好类之后如何确定类的最佳模式，这个问题一直
困扰着我！下午，肖老师说明天开组会，看来我可以问问我心中的疑问了。
今天继续学习凸优化~
保凸运算
保凸运算非常重要，因为熟练掌握这些运算可以构造新的凸函数！
非负加权求和
如果是凸函数且，则函数也是凸函数。如果函数和都是凸函数，则 它们的和都是凸函数，将非负伸缩以及求和运算结合起来，可以得出，非负加权求和也是凸函数。即：
该性质课扩展到无限项的积分形式。即，如果固定任意，函数y \in \mathcal{A}，有 ，则函数
关于是凸函数。
复合仿射映射
假设函数，，以及，定义为
其中。若函数是凸函数，则函数是凸函数；如果函数是凹函数，则函数是凹函数。
逐点最大和逐点上确界
如果函数和都是凸函数，则二者的逐点最大函数$$f$4
其定义域为，任然为凸函数。
推广，如果函数都是凸函数，则它们的逐点最大函数
任然为凸函数。
分片线性函数
复合
最小化
透视函数
共轭函数
可微函数的共轭函数有称为该函数的Legendre变换！！（看到了吧，学习凸优化的重要性！机器学习好多推导都用到了拉格朗日变换！！！）
