我想最小化
Disciplined convex programming error: Only scalar quadratic forms can be specified in CVX.
请问您要解决这个问题吗？谢谢！
Ypie=T*Y; % Y is k*n matrix,T is k*k matrix ,W is a n*k matrix
lamda=0.01;
cvx_begin
variable A(K,n)
minimize (W.*trace((A-Ypie)*(A-Ypie)')+lamda*norm_nuc(A))
cvx_end
CVX 不是符号分析引擎。您构造的每个子表达式都必须满足DCP 规则集。它甚至不尝试全局考虑整个表达式。
因此，在您的情况下，一旦 CVX 看到(A-Ypie)*(A-Ypie)'，它就会声明 DCP 错误。这是正确的行为，即使这个量的轨迹确实是凸的。毕竟，只有这个表达式的对角元素是凸的；其余的都是非凸的。永远不允许在 CVX 中构造非凸（或非凹）表达式，即使最终将其丢弃。
要解决这个问题，您必须认识到这个痕量实际上是 的 Frobenius 范数的平方A-Ypie。sum_square(A(:)-Ypie(:))也将如此，square_pos(norm(A-Ypie,'fro'))或者（仅在 CVX 3.0 beta 中）norm(A-Ypie,'fro')^2。
当然，Johan 的评论也是完全正确的，一旦您将模型固定为标量目标，这些建议很可能都不适用。