- 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
- 565559 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174891
- 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 |
2 W5 u( G* F* a/ s0 S7 t; y
【数学建模算法汇总】, H. U( S2 d( u; A* f0 y. ?" }) n) ~
目录
4 ?0 k# s' U7 P) O( N, w( j# ~6 @+ J5 l! U8 R0 [# f& }- S( f
数学建模方法
& H0 M' c6 E: Q0 @9 J(一)预测与预报% t* Y' j5 l4 i; p7 l6 a
灰色预测模型(必须掌握)
B8 V( |$ P/ W. v微分方程预测(备用)$ g' ]% w) E6 \4 K% i _3 h- J
回归分析预测(必须掌握)- \+ U" `( _- r
马尔可夫预测(备用): N; [1 u2 ~: ]2 L
时间序列预测(必须掌握)" U1 H2 k4 |* q' u0 V
小波分析预测(备用)
8 d& G& j2 Y& T2 O9 \神经网络预测(备用)/ r2 N( m+ \$ R: Y7 d( ?
混沌序列预测(备用)4 b! I9 Y4 Q" c' [
(二)、评价与决策
2 j( |& K0 J9 l. k模糊综合评判(必须掌握)
$ k: K) f* k: A主成分分析(必须掌握)1 D0 P. `- ]; n7 a2 J V- w
层次分析法(AHP,必须掌握)
1 U' E; @6 X% z1 ^! D5 T, l- _数据包络(EDA)分析法8 E5 M6 C' [2 d
秩和比综合评价法(必须掌握)
& @! `# @. U) s/ p. A优劣解距离法(TOPSIS法)& K5 D9 B( A; }8 v+ v" T+ c
投影寻踪综合评价法
5 q) e- q9 O3 _7 H" m方差分析、协方差分析等(必须掌握)* J. x7 i9 r! l$ i( E' r# L9 Q
(三)、分类与判别0 I3 ?4 D3 X( i8 c! b
1、距离聚类(系统聚类)(必须掌握)2 o- S5 P H1 ^; M5 q
2、关联性聚类(需掌握)
4 G9 y5 `/ I0 v q9 y! Q3、层次性据类
" b; \. e i7 U* i: p: U0 i: Z7 Y4、密度性聚类# }# J( R: g% F! U% ^
5、其他聚类
6 ^$ ^, F0 t; c( f0 [) L+ d& G. a6、贝叶斯判别(统计判别方法,必须掌握)) E, X( K' z7 i/ r
7、费舍尔判别(训练的样本点比较多,必须掌握)+ T+ }# b1 t M3 i
8、模糊识别(分好类的数据点比较少)7 O0 |; u5 e+ D; D
(四)、关联与因果
0 R3 j3 H/ @) t/ A$ v8 J" K1、灰色关联分析方法(样本点的个数比较少)
/ h5 y% [2 z& _2、Sperman或Kendall等级相关分析. b- f" f8 M5 l; w4 d0 n* a/ Y
3、Person相关(样本点的个数比较多)
; P/ N* X1 Z, }+ f# b% p4、Copula相关(比较难,金融数学、概率数学)+ V5 a Q, |3 M, u0 A
5、典型相关分析
$ W5 T' S; g4 P6、标准化回归分析; `0 [: k+ | \5 J8 P1 g
7、生产分析(事件史分析)+ i6 j s6 P& f3 }
8、格兰杰因果检验
7 N3 m/ k9 `( {$ f9 a(五)、优化与控制
2 ^$ O1 x& ]8 m1、线性规划、整数规划、0-1规划(有约束,确定的目标)
) \& M; d, ^" ~2 B; r/ L2、非线性规划与智能优化算法
" `- g0 }& D9 p& M9 t) U3、多目标规划和目标规划(柔性约束,目标函数,超过)1 U" m3 ^- l1 W0 g
4、动态规划3 V% b) r9 k! I9 b
5、网络优化(多因素交错复杂)
1 @, @" G/ ]5 Z# }& A3 N6、排队论与计算机仿真
& {& k9 {' P6 a2 o" q6 A x7、模糊规划(范围约束)
: `* s! Z3 g) m% `7 \, x/ ]6 k* a8、灰色规划; F5 q; ~! p% }) f w
9、退火算法(常用)$ j" y; F0 S3 N
10、神经网络
, T4 a% j6 G! C+ V- e11、遗传算法* Q: i; q% u6 Q' r5 X) T
数学建模方法* C* e D! m- s" k
9 k }: y" q6 N, T+ [
统计:- D) w- h8 c. A0 t/ {% C3 q3 K
1、预测与预报1 {8 @# X1 I- X0 @
2、评价与决策
1 R8 g1 s( X& Y9 y* z6 Z y$ j9 I3、分类与判别
a7 c f& K6 ?4、关联与因果* A/ V) i n9 B) |
优化:# v# q) m+ N1 Y m( L
5、优化与控制
2 C3 Z& }( @: r
* E0 w# u. F2 M# [% V3 y3 T(一)预测与预报
" ?6 Q% E1 t# u' N8 e
* D/ i: q- U9 {灰色预测模型(必须掌握)/ w+ ^" y) R3 h3 y: M
I9 A; ^( F. I9 d l
满足两个条件可用:
. ?6 V0 ^4 |) @; ^$ m, M①数据样本点个数少,6-15个2 O) p1 k* e: ~- ?! _" z
②数据呈现指数或者曲线的形式
, {7 I( L" H ^# f7 A" x/ h7 o6 y, m5 q2 l9 b
概述
- o! u( n! J6 c0 m, D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。
6 n& a* W" v& o' N2 t% p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。 b# Q: X2 b @9 m7 T1 n; g
2 n& O/ K- o$ x. U* A
原理
& p- o: 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。% A: z' i( R6 C. E; ], B n
1 h3 V0 N$ _: Q
分类及求解步骤
$ \" o9 @4 q' s, z1、GM(1,1)与GM(2,1)、DGM、Verhulst模型的分类比较:
$ K' j% M% S; X* K% x% ^2.求解步骤思维导图:
7 r j+ A: Z$ c7 {: ~, c9 E.net/qq_25862209/article/details/100029925. v. g0 |* p! L4 @
. _$ y. @) X2 O. q- o7 K1 B! i
" ]; r! k- J! t0 o: x: N9 Y |
zan
|