- 在线时间
- 1630 小时
- 最后登录
- 2024-1-29
- 注册时间
- 2017-5-16
- 听众数
- 82
- 收听数
- 1
- 能力
- 120 分
- 体力
- 566892 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 175290
- 相册
- 1
- 日志
- 0
- 记录
- 0
- 帖子
- 5313
- 主题
- 5273
- 精华
- 3
- 分享
- 0
- 好友
- 163
TA的每日心情 | 开心 2021-8-11 17:59 |
|---|
签到天数: 17 天 [LV.4]偶尔看看III 网络挑战赛参赛者 网络挑战赛参赛者 - 自我介绍
- 本人女,毕业于内蒙古科技大学,担任文职专业,毕业专业英语。
 群组: 2018美赛大象算法课程 群组: 2018美赛护航培训课程 群组: 2019年 数学中国站长建 群组: 2019年数据分析师课程 群组: 2018年大象老师国赛优 |
5 d) c" i+ b8 P
【数学建模算法汇总】, X( R/ p0 @( ~. j/ ^: j" N v
目录
: @0 ^! |4 z( D6 r
J: S" i5 F$ t6 D数学建模方法
( p S- K6 Y& J" Y(一)预测与预报
( m# R' t* j& b" t! H- [+ a灰色预测模型(必须掌握)4 ?# V. Y9 X2 C# u% W. h
微分方程预测(备用)! k* o" ^" p! d8 Y
回归分析预测(必须掌握)
( i& U9 J1 B1 ?$ u+ p- K0 ?0 }马尔可夫预测(备用)
# ^* j X6 v; P2 V4 @7 O q7 z时间序列预测(必须掌握)
& M0 w, Q9 H+ K* I" F! Z* H小波分析预测(备用)4 i( p1 O# T& h9 b: T- }( X" i
神经网络预测(备用)) q" D5 @5 p9 j' R2 B' V$ q
混沌序列预测(备用)3 t+ C$ w. G" s7 L9 Y3 F9 a" X2 X
(二)、评价与决策
; Y7 @) `: } `2 n6 b7 P% [$ ]0 M模糊综合评判(必须掌握)4 E, M7 [8 {* \( ]6 J
主成分分析(必须掌握)
4 v- y9 D* ^: j6 [' L9 \层次分析法(AHP,必须掌握)4 M% y: s" }" }0 z8 e
数据包络(EDA)分析法- c1 [, x( y4 E/ m! W# H0 y; v
秩和比综合评价法(必须掌握)7 k" G2 ] X, c9 Z4 E' G2 F3 U
优劣解距离法(TOPSIS法)
2 m9 T9 M; |7 T2 }& M: D; I投影寻踪综合评价法( w3 |. w2 N; x+ Z3 L
方差分析、协方差分析等(必须掌握)
$ x. ^# v$ g9 [' B3 }6 u% ?9 u(三)、分类与判别
. M' V4 W$ I2 _% x: a1 w/ B1、距离聚类(系统聚类)(必须掌握)7 J% R. `+ n# Z. {# m8 L* L
2、关联性聚类(需掌握)7 T6 w7 {% [6 Q% f2 J$ j
3、层次性据类
3 ] ^/ ~% J$ p& t" X M4、密度性聚类' d) B; b: p. {0 ?$ w2 Y0 y0 I3 @
5、其他聚类& k# o7 Z$ B: g1 y- M
6、贝叶斯判别(统计判别方法,必须掌握)( F" x: B( ?, ~' N% B, q
7、费舍尔判别(训练的样本点比较多,必须掌握)
3 |0 K4 s$ h6 }' n8、模糊识别(分好类的数据点比较少)6 N" }# ]1 F& C! }7 S% M
(四)、关联与因果
/ |8 x2 {& h! z% f: |3 n8 n1、灰色关联分析方法(样本点的个数比较少)
# O8 o6 D# x4 E7 L8 B* B2、Sperman或Kendall等级相关分析
; r, h6 c% F9 o0 ]3、Person相关(样本点的个数比较多)+ M+ |0 ^( }6 O- w) E" j S
4、Copula相关(比较难,金融数学、概率数学)9 T+ M% L8 E) [* D1 d: i
5、典型相关分析, w/ }' \' [: t
6、标准化回归分析
- ~0 F$ f( R4 e7、生产分析(事件史分析)
3 A9 e- t6 }* f5 l! C* P$ P8、格兰杰因果检验9 H6 B" P8 m: }* G( {0 ` A/ @
(五)、优化与控制
0 h; T; w- d b1 f& z; @( a1、线性规划、整数规划、0-1规划(有约束,确定的目标)! Q9 r. F, g& J* \" L# e( b
2、非线性规划与智能优化算法3 l4 X* f! d; ~/ `
3、多目标规划和目标规划(柔性约束,目标函数,超过). a( f4 z/ a; X O3 t3 R
4、动态规划$ S3 |5 S" S [# s) w2 @
5、网络优化(多因素交错复杂)4 f: S O! v1 i/ U
6、排队论与计算机仿真
: @/ ]# T# A+ {! v7、模糊规划(范围约束)( U, z) J$ W/ [( S! L$ m
8、灰色规划6 a& s7 e, }# ?- b( V
9、退火算法(常用)3 ?3 T3 ~, ], [
10、神经网络
& }4 B/ Z( a1 h6 E6 m( L( F, U11、遗传算法# L. G$ i4 L3 q
数学建模方法7 f, m/ _2 s% |' R, z" h2 W$ J* ^4 l
$ |3 o, a0 i( i( Z% L; M8 Q统计:! U, k* P7 Q0 V1 T
1、预测与预报/ b, A5 d3 `8 l i
2、评价与决策
# s' M: I+ H2 ^$ N% f3、分类与判别
+ n4 C. `6 T3 W5 R. t0 T4、关联与因果% ~# q e5 U* J/ M1 R1 A( D6 Q1 ]
优化:
3 R0 K$ ]1 l& o1 T# {* N9 x0 [! q/ ^$ l5、优化与控制
0 f1 A6 ^' [: m" k
8 E2 O6 B {6 Q6 V: @" O2 d(一)预测与预报 z9 i* J2 A' x) u& E2 {
! ]0 a# Z3 [6 w灰色预测模型(必须掌握) L% t! [! G8 D9 O' m
0 T+ j) u) S% C) k2 u0 |+ F
满足两个条件可用:
) ^9 p3 F8 S" Z: i. ?$ n- Z①数据样本点个数少,6-15个
2 T/ w2 \2 v" W: S3 K②数据呈现指数或者曲线的形式
. o/ S. m& H5 }+ r8 q4 U, y" i$ d1 [
概述* d. F6 [4 W9 f
关于所谓的“颜色”预测或者检测等,大致分为三色:黑、白、灰,在此以预测为例阐述。
' L7 O& x$ ^( T' E+ H其中,白色预测是指系统的内部特征完全已知,系统信息完全充分;黑色预测指系统的内部特征一无所知,只能通过观测其与外界的联系来进行研究;灰色预测则是介于黑、白两者之间的一种预测,一部分已知,一部分未知,系统因素间有不确定的关系。细致度比较:白>黑>灰。
6 P& m8 _$ ^: t" F- l- N- G, K+ B8 R
原理 }+ P7 U/ ?- W4 {% Z P2 X* x+ q# S! n
灰色预测是通过计算各因素之间的关联度,鉴别系统各因素之间发展趋势的相异程度。其核心体系是灰色模型(Grey Model,GM),即对原始数据做累加生成(或者累减、均值等方法)生成近似的指数规律在进行建模的方法。* [% n9 n! ~4 p, ?1 F4 u
6 C+ o7 U- C ?0 S1 m7 O分类及求解步骤; e8 T7 \4 P% Q6 O9 D
1、GM(1,1)与GM(2,1)、DGM、Verhulst模型的分类比较:
9 L( T9 J: R! @2 N5 e2.求解步骤思维导图:
! Q& _: I5 ]/ X- [$ O.net/qq_25862209/article/details/100029925# Q; @% d+ D/ J
R7 P V# d" G1 x O F, `. z" f: c
|
zan
|