- 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 |
' M' T0 ?. O" V0 ^
【数学建模算法汇总】9 H7 I% u: _0 Z4 e
目录/ n3 p2 P4 P, K
9 O2 h2 p( p" {; c; w# N0 d2 ?. C数学建模方法! Q9 H$ C& @4 l
(一)预测与预报+ I% f* ?9 Y' z! p/ f% [3 v) ~
灰色预测模型(必须掌握)
& X1 X! ?# [- A3 R# u8 W微分方程预测(备用)5 k4 n) r4 U# [& H5 k
回归分析预测(必须掌握)
) e5 Y9 L1 F( m& w: M4 t" P马尔可夫预测(备用)
( ` ~- }8 X; ]/ u! J' n. W' ~时间序列预测(必须掌握)6 d. C, L* t! j- W* N
小波分析预测(备用)+ m$ u" \5 |* J/ G) L
神经网络预测(备用)
( d d% P( c# }# a( s4 m" g2 u混沌序列预测(备用)
4 h# H4 H/ e; M- X% R! l(二)、评价与决策
' _( f: V3 C6 `* w6 j: s模糊综合评判(必须掌握)3 b+ @# _4 D, G* V0 v: Q
主成分分析(必须掌握)
& W: s" q3 e4 N! e! r& P, O6 q. f Y层次分析法(AHP,必须掌握)
& t" y8 j0 x. L+ U4 t8 M [数据包络(EDA)分析法
* [9 E6 a) N. k# Q8 P) @: K秩和比综合评价法(必须掌握)0 _8 }' ~& y. @3 Q! N
优劣解距离法(TOPSIS法): ~0 C5 s. i( H* x! k) Z2 c
投影寻踪综合评价法
; A$ A: `. _4 S方差分析、协方差分析等(必须掌握)9 ]; C9 M- y7 p1 F1 l* T
(三)、分类与判别2 I; h8 Y6 J) E j8 a/ y+ {1 F
1、距离聚类(系统聚类)(必须掌握): Z! m2 c" l( C3 U; |
2、关联性聚类(需掌握)
5 s4 \, C" e8 F+ s0 n9 X' T3、层次性据类8 r5 b( ^! X7 K4 ^6 _- {) x8 n& N
4、密度性聚类: Q, W9 J- n. X# T9 j
5、其他聚类
" h1 D8 K4 c/ B' \& _ B- L7 h6、贝叶斯判别(统计判别方法,必须掌握)
3 G0 e3 w! t- Y) M6 ~2 a5 q; r7、费舍尔判别(训练的样本点比较多,必须掌握)
% q3 Q0 u$ \" T8、模糊识别(分好类的数据点比较少), G6 I' ~* O5 E
(四)、关联与因果
5 f/ r6 T9 s p o7 |1、灰色关联分析方法(样本点的个数比较少)& e5 N% T( j1 H1 O: P
2、Sperman或Kendall等级相关分析
1 c5 j" }% B" N( x2 W' y3、Person相关(样本点的个数比较多)( U3 E/ W8 \# z, X
4、Copula相关(比较难,金融数学、概率数学)
9 e) G5 C& R6 Q3 D3 O3 y1 k5、典型相关分析/ K, b6 K$ W' t# _5 j
6、标准化回归分析4 m$ V: m( m, w3 M
7、生产分析(事件史分析)
% f; F! m/ Q6 Y' O5 L8、格兰杰因果检验
1 {$ O8 R' x* g+ r' g4 f(五)、优化与控制
$ R. t. y3 w0 q3 g2 ?1 i: z: V1、线性规划、整数规划、0-1规划(有约束,确定的目标)
6 E' Y+ V1 R: E7 g1 B+ {$ f: B2、非线性规划与智能优化算法
% _/ Q8 n+ E; H6 x6 [) @5 L3、多目标规划和目标规划(柔性约束,目标函数,超过), a" [5 h0 j5 ^7 N9 j1 K
4、动态规划4 \; Q- @6 U/ D' V: K
5、网络优化(多因素交错复杂)
7 X8 R* ^) S9 F7 T7 ~" t, |/ G: A6、排队论与计算机仿真5 G- |5 @/ R% V+ U( g
7、模糊规划(范围约束)+ |2 O# [) O% ~
8、灰色规划1 [/ i! ?1 l/ E* D+ \
9、退火算法(常用)
1 q- A1 m) ~' ?* M& |0 b# h10、神经网络) \, V4 b6 ~9 J% h
11、遗传算法
$ d* }) M/ Q) Y W数学建模方法+ W# Y# {. K* z3 c$ n u
+ S3 @, ]; w: L6 f1 c+ h$ s r6 {统计:
2 V6 \, q2 d) j0 A' k% j4 T1、预测与预报
+ Q% o) E. B! \5 b0 Y2、评价与决策( t, {5 x% [2 L, l0 S# i
3、分类与判别' m9 ~) A7 ~- G
4、关联与因果) s5 x- H3 U- L/ E0 V2 S+ T. N
优化:' _, R+ X3 o, n4 C X9 z
5、优化与控制
/ T% x; u1 d. _! e* y; B* _8 b" B: j1 U8 i
(一)预测与预报
' `2 z" b+ S7 H0 D) P( q+ u2 W4 |$ T \% |3 X d x' C( B
灰色预测模型(必须掌握)6 W: x# r& |' L. ?& _, y) M* q
; i, R- d# ^' L$ h& u( i满足两个条件可用:+ b! H9 ?! d2 h7 Z
①数据样本点个数少,6-15个
+ _1 S) B7 D( }# Y* d" |②数据呈现指数或者曲线的形式
1 u; N2 X7 p+ y/ z) v# y- F6 q) E& W% D
概述# U& G8 j/ r; j% \
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。
( r5 F1 {* \( P9 c$ t! P5 W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 L1 H9 G+ M! M& I" u( b: `
0 g: H& V3 n. C原理/ F" O$ c+ Q g3 O# g/ q
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。, }; s5 o( H! J2 q. ? O
6 H/ I; U4 k" T$ ?% R
分类及求解步骤
9 K0 Z7 n( u2 J" s. N# ~1、GM(1,1)与GM(2,1)、DGM、Verhulst模型的分类比较:/ V/ @ M G4 a( D n+ M0 z
2.求解步骤思维导图:
: Q' J' h: x2 Y: c3 R7 [! f' h- T.net/qq_25862209/article/details/100029925
( N/ C. _8 i- x; C( Q2 b1 b: T) ^. Z) g
; A0 ]4 N# |8 H* O- W0 v
( ? l" @+ A; Q1 Y3 R |
zan
|