- 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
- 564647 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174617
- 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 |
7 H; B& m, s: g. G【数学建模算法汇总】6 P0 i& b# ]' j
目录8 n- {1 B' O( C; K
7 q% u% o- X7 t+ w; S, Z# R8 s数学建模方法
* M/ S c4 \2 a3 w6 k(一)预测与预报' W& K( g# r) q8 c& D. G b8 @! o
灰色预测模型(必须掌握)
U4 }0 V: M" u微分方程预测(备用)8 q8 v6 Y, _# `8 f
回归分析预测(必须掌握)% c+ [4 n, |+ K; a
马尔可夫预测(备用)
7 U+ L1 b! s) `: c) U6 q$ K- C时间序列预测(必须掌握)
* E `8 l* B/ k t小波分析预测(备用)
1 `) p3 A, N+ O2 j8 Z% K @- ?) H神经网络预测(备用)/ D$ o" ~0 E! c3 e! D& `4 P# V
混沌序列预测(备用)
0 k- @2 m" [2 X(二)、评价与决策' h3 ?5 q1 z8 t" C( t9 z
模糊综合评判(必须掌握)( d# Q. U$ Z8 u+ F2 n- r% P6 Z
主成分分析(必须掌握)
" m( c. S8 [/ M e/ Q. f' V/ H层次分析法(AHP,必须掌握)
- g7 Z6 C# G1 A2 M8 u数据包络(EDA)分析法$ ]4 I; |9 q" n( K" j" {
秩和比综合评价法(必须掌握)
3 D+ @. ~( y: i9 d( c4 z) ?2 o3 a优劣解距离法(TOPSIS法)
}2 K' S, o1 U$ ^投影寻踪综合评价法
6 P& n' w/ k8 {6 g6 ]方差分析、协方差分析等(必须掌握)
) `3 v; f4 \' e* x d2 q(三)、分类与判别
8 j7 }$ r0 V, i4 v1、距离聚类(系统聚类)(必须掌握)* ^+ U. Q6 r) x
2、关联性聚类(需掌握)4 V( l2 l( z- ]4 ]& U1 }$ B
3、层次性据类. o. l) [0 {2 Q
4、密度性聚类; S# w1 Q' o8 \- {
5、其他聚类$ `" {- x' M1 R, D. S8 [5 o
6、贝叶斯判别(统计判别方法,必须掌握)
o2 m" {! ~# D4 m, S3 K' l0 I7、费舍尔判别(训练的样本点比较多,必须掌握)
8 W8 x0 K, j2 ~9 j6 J5 f8、模糊识别(分好类的数据点比较少)
1 A; V$ R5 W# Y2 d! a1 R(四)、关联与因果
7 R2 w g8 R. a+ J1、灰色关联分析方法(样本点的个数比较少)
+ P* D9 I6 W$ p. O6 ^' w2、Sperman或Kendall等级相关分析
& e7 T$ W/ P# A2 v5 r$ s+ G3、Person相关(样本点的个数比较多)- j7 {5 E6 z. ?1 i# h* `/ _ L1 \
4、Copula相关(比较难,金融数学、概率数学), S. t& k3 Z: M: o
5、典型相关分析% m z n6 n+ a* R- J) \1 O- T
6、标准化回归分析) W, K5 v6 T7 W5 ?0 z0 i
7、生产分析(事件史分析)- G% D. w+ E# M# f1 g
8、格兰杰因果检验" k, j: v/ ^/ B$ I$ m# C$ G
(五)、优化与控制" u0 ^$ f0 ?: k, x- }
1、线性规划、整数规划、0-1规划(有约束,确定的目标), V0 s+ V) B" ^0 n, w- V7 |
2、非线性规划与智能优化算法/ d& _4 P% `, A8 y" q! }0 V
3、多目标规划和目标规划(柔性约束,目标函数,超过)
0 B- W' ~: m/ [1 d4、动态规划* l$ p. m- D' l6 b1 H o" p. W
5、网络优化(多因素交错复杂)
6 Y3 p' y% u4 O: v' X6、排队论与计算机仿真
# l& v# [+ x- k0 M B" Z& ~5 O. t7、模糊规划(范围约束)
+ b" y0 F, X3 k y7 S: |8、灰色规划
% |. C+ X, c% `' p5 J9、退火算法(常用)
8 J) d' M5 j3 t7 z" r' n10、神经网络
% w6 k: v5 W' a1 L7 R11、遗传算法
I" m* ] C- l% a数学建模方法: q6 _3 f. a, |3 W r* v
* \. O8 h; \8 ?, u# I$ ~
统计:* W$ I1 P5 Z- c' g5 u; K! x
1、预测与预报3 y' L S* ~8 F( N1 S$ F
2、评价与决策
9 T3 A7 g1 j0 e3 n$ D7 ?# m6 O; ?1 m3 G3、分类与判别4 G( b, E0 ~2 \2 j
4、关联与因果: x' D6 ]: f7 T/ m
优化:- {3 l2 x9 I) C' C
5、优化与控制# D0 x" X: Y/ n/ r. ^4 Y% z$ U
' o9 x% _9 a0 E9 \0 t! M(一)预测与预报7 Z: L' f. I' E' ], P
1 m6 x- |& y; b. W" m! [+ B% l: c( b, M
灰色预测模型(必须掌握)
. S1 p- T! I& \+ b: }2 @
" V; O( [8 s/ P7 G+ a" ?. p: f0 U满足两个条件可用:
# h! s* n' o6 V; j8 [4 v①数据样本点个数少,6-15个2 W- c& }4 R2 l$ l
②数据呈现指数或者曲线的形式! e2 k# w2 `; J# j U5 r
# H3 e' W* J8 n, {7 X
概述# J+ A$ R9 m8 F8 V! r' X
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。/ y, \1 x: |- F' }; 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 b/ y7 C! `# T* V# z2 Z2 `8 v$ V! P% O1 G- H4 m
原理( R, K+ P3 ~+ [* ]4 O0 Z" w
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。
, }$ P: i) r; j
- F4 K( E9 @, ~分类及求解步骤
4 J4 ~. s; n" u: P t, u1、GM(1,1)与GM(2,1)、DGM、Verhulst模型的分类比较:
$ T$ g5 ^1 [, l2.求解步骤思维导图:, T; u) _# C8 i" D" G
.net/qq_25862209/article/details/100029925- c$ ~; D9 b# ?+ i3 Z
. d& [/ ~) ]5 ?6 {; n
6 p& c( ]& R+ e5 t |
zan
|