- 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
- 566871 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 175284
- 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 |
8 e0 u( u6 _4 r
【数学建模算法汇总】 R1 l& F, R7 i
目录4 Z# q. {: s0 X/ N
6 m s3 } H. |5 E& o9 `8 p数学建模方法
6 Y' J' s m* _5 e- p: C(一)预测与预报/ ~ K# B' j5 d; w/ x. {5 q) U7 w
灰色预测模型(必须掌握) _' o: T, r3 |
微分方程预测(备用)
; U* n7 v3 A3 {4 l# O回归分析预测(必须掌握)" C' u- k) R0 l$ N: Z
马尔可夫预测(备用)
2 S) r& k0 N: d( I0 _时间序列预测(必须掌握)) r& e- u+ b4 j# G* X/ Z
小波分析预测(备用)
- g: H/ A, U2 r9 y神经网络预测(备用)5 ?" D5 ]2 Y2 N
混沌序列预测(备用)( T* ^' a0 x7 Y$ Q9 y
(二)、评价与决策
2 @4 ?+ T( h" a; {2 R0 K模糊综合评判(必须掌握)$ P$ }2 g' x$ Y* s- B9 E0 Q2 [
主成分分析(必须掌握)7 w4 Z( u# t$ s/ N. u% s! f8 K7 p
层次分析法(AHP,必须掌握)
1 f' Z' K% J) `6 Q3 K/ ]/ A! j数据包络(EDA)分析法
$ ?5 i; I. q. J秩和比综合评价法(必须掌握) t" [% {, S( J- ?" W, I
优劣解距离法(TOPSIS法)% m! ]$ F* I7 f( p# w! Z/ Q! f7 ]' I
投影寻踪综合评价法
7 U' S1 z8 A5 | `; |3 w: t& A方差分析、协方差分析等(必须掌握)% {$ I2 J$ K) X% t- p
(三)、分类与判别3 V, D, a1 U/ A9 b
1、距离聚类(系统聚类)(必须掌握)
$ W$ s2 F9 j1 G/ V6 d' k) K9 Y; D2、关联性聚类(需掌握)
: w9 N) D4 I) j! A- M% p3、层次性据类
6 F) v% C( z, U* n+ x4、密度性聚类& C) z4 i! L$ D/ Y
5、其他聚类, D; Y6 [ ^) v# v3 n0 o3 R$ S
6、贝叶斯判别(统计判别方法,必须掌握); E: J& }1 Y c4 y- ^: \8 H
7、费舍尔判别(训练的样本点比较多,必须掌握)8 A5 h1 r+ _7 S4 E
8、模糊识别(分好类的数据点比较少)
`6 a1 h a! H3 W9 S(四)、关联与因果
! G, J N" M% J; x1、灰色关联分析方法(样本点的个数比较少)/ C' b2 `( [& E+ V* h: U
2、Sperman或Kendall等级相关分析
5 H8 X v/ E) D0 O( m" u& d4 T3、Person相关(样本点的个数比较多)4 k" l) \; U4 D+ v# T- V# }
4、Copula相关(比较难,金融数学、概率数学)
" Q) G& ^2 ~; t* D" o* Q5、典型相关分析3 L3 W! ^, p7 N7 l/ m: J
6、标准化回归分析& y. q7 x5 l: z3 Y
7、生产分析(事件史分析), w9 N) i+ p% H0 ?! x G* \
8、格兰杰因果检验+ d( S, b' ^( h8 x# Y" w4 P. C
(五)、优化与控制% f$ j' p- Z1 p5 l
1、线性规划、整数规划、0-1规划(有约束,确定的目标)
! ^8 d4 ]+ K4 t+ `2、非线性规划与智能优化算法6 j& c4 f9 L5 i( | n: v$ @
3、多目标规划和目标规划(柔性约束,目标函数,超过)
# X. {4 b- x* P# r3 n4、动态规划
) ~4 z0 z: O; o9 T! `5、网络优化(多因素交错复杂)
! S$ s2 x! ?9 S5 H6、排队论与计算机仿真
& G4 F; q a7 @7、模糊规划(范围约束): K- _4 d" s' D, x; X* q3 f% I
8、灰色规划% ? k7 [2 h1 a( W, r/ K- s
9、退火算法(常用)/ u+ }2 H) ^$ Z- P8 I" J
10、神经网络
) [2 n: c S1 i% ^. G3 b0 M11、遗传算法! n% z2 {1 \. f3 L
数学建模方法
+ Y9 s0 {+ T5 k7 ]+ t! f/ |) o# b: k' z% E
统计:
- ]2 L/ {0 c, Y3 o: } c ^& O1、预测与预报- K( ]& C5 y2 U" B+ f2 A
2、评价与决策
: f% w4 G" u9 [( [7 P$ V3、分类与判别) X$ u" z& U2 i/ Q% c; g- a
4、关联与因果
, Y# y1 g3 C* y" R优化:; X v1 S: N. H. c' u
5、优化与控制( f$ m, J6 x% R1 `1 S
3 J. I! k; @$ U& V3 K$ {, j5 g: h: f(一)预测与预报# _6 [" u. M0 Q4 A$ E4 Y7 ` U" l
7 Y4 i" C3 G/ \% ]$ ~! f
灰色预测模型(必须掌握)
' [; g, c2 x3 H- b8 y
) I( q' _* z |( ^0 F满足两个条件可用: d+ {5 d: T! H! e* k4 Z. L! x& q( a( o
①数据样本点个数少,6-15个
' W& a* F0 P2 n7 p n! q- x) x: u/ O1 v②数据呈现指数或者曲线的形式
p* h7 ]$ D" v& l" D8 X4 C& b- W$ O8 _' B$ F
概述
% Y7 \' c9 l2 e# h* w( ^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; }* Y6 f/ o' \& N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。
( a+ G- d7 U$ r
' `: s* ]9 ~- I: t1 }% p- t9 t原理5 Z7 R; u6 U: M7 m7 t6 K0 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。
1 i3 ]8 [ b) j- a5 O: r
3 z0 j2 Q" s/ N# `) {3 _分类及求解步骤
4 h; K& W- S4 o7 d8 h1、GM(1,1)与GM(2,1)、DGM、Verhulst模型的分类比较:4 ], {! C+ d, C! m
2.求解步骤思维导图:; l: ~. G* ?6 H3 F; C
.net/qq_25862209/article/details/100029925
# i) |( P# |4 ]0 k; P% E! L, ^8 m/ Q( ~: G% A7 V/ w! }7 \4 t
+ L1 f( f% i7 S& x
|
zan
|