共轭梯度法（Conjugate Gradient）是介于最速下降法与牛顿法之间的一个方法，它仅需利用一阶导数信息，但克服了最速下降法收敛慢的缺点，又避免了牛顿法需要存储和计算Hesse矩阵并求逆的缺点，共轭梯度法不仅是解决大型线性方程组最有用的方法之一，也是解大型非线性最优化最有效的算法之一。-failed to translate

d维空间中N个点，求这些点的最小体积覆盖椭球。 算法：针对其对偶问题，采用Franke-Wolfe序列线性逼近策略，逐次求得最优乘子，进而求出椭球的相关参数，又称Khachiyan一阶导数算法。 适用范围：中小规模数据集-Minimum Volume Enclosing Ellipsoid； MVEE