- 博客(32)
- 收藏
- 关注
RSS订阅原创 ARIMA时间序列预测-学习笔记Day6
ARIMA模型是时间序列预测中最经典、最广泛使用的统计模型之一，由Box和Jenkins于1970年代系统提出，因此也称为Box-Jenkins模型。该方法通过分析时间序列的自相关性，建立数学模型来描述序列的动态变化规律，进而实现预测。核心思想：将非平稳时间序列通过差分转化为平稳序列，然后结合自回归（AR）和滑动平均（MA）两种方法建立模型，捕捉序列的线性依赖关系。方法特点：理论成熟：统计学基础扎实，模型解释性强适用范围广：适用于各类具有趋势和季节性的时间序列短期预测效果好：特别适合近期趋势
2026-03-06 13:55:04
47
原创 双方三方演化博弈模型-学习日志Day5
演化博弈论是将博弈论与进化论相结合的理论框架，由Maynard Smith和Price于1973年提出。与传统博弈论假设参与者完全理性不同，演化博弈论假设参与者是有限理性的，通过试错学习和模仿优化来调整策略。核心思想：在一个群体中，不同策略的收益决定了其被模仿的概率。收益高的策略会在群体中逐渐扩散，最终达到某种稳定状态——演化稳定策略（ESS）。方法特点：有限理性假设：参与者不必完全理性，通过学习调整策略动态演化过程：关注群体策略分布的时间演化轨迹稳定性分析：寻找演化稳定策略（ESS）和均衡
2026-03-04 17:10:39
224
原创 7种相关性计算方法-学习日志Day4
相关性分析是研究变量之间相关关系的统计方法，用于度量两个或多个变量之间的关联程度。不同的数据类型和研究目的需要选择不同的相关性计算方法。核心问题：两个变量之间存在怎样的关联？这种关联是正相关还是负相关？关联程度有多强？方法分类：线性相关方法：衡量变量之间的线性关系强度，包括Pearson相关系数、Spearman秩相关、Kendall秩相关距离相关方法：衡量向量或集合之间的相似程度，包括余弦相似度、Jaccard相似度分类变量相关：衡量分类变量之间的关联性，包括卡方检验、互信息
2026-03-03 15:02:03
266
原创 BP神经网络-学习日志Day3
BP神经网络是一种多层前馈神经网络，采用误差反向传播算法进行训练。该算法由Rumelhart等人于1986年提出，是应用最广泛的神经网络模型之一。BP网络通过梯度下降法不断调整网络权值，使网络输出逐渐逼近期望输出。核心思想：网络学习过程由两部分组成——信号的正向传播与误差的反向传播。正向传播时，输入信号经隐藏层处理后传向输出层；若输出与期望不符，则转入反向传播，将误差信号沿原路返回，逐层调整各神经元的权值。方法特点：非线性映射能力强：理论上可以逼近任意连续函数自学习自组织：通过样本自动学习输入
2026-03-02 11:46:35
116
原创 熵权法-学习日志Day2
熵权法是一种基于信息熵的客观赋权方法，来源于香农的信息论。该方法根据各指标数据的离散程度来确定权重，数据差异越大（信息熵越小），该指标对综合评价的影响越大，权重越高。核心思想：信息熵是衡量系统不确定性的指标，熵值越大，不确定性越大，信息的无序程度越高。在多指标评价中，某指标的信息熵越小，说明该指标数据的变异程度越大，提供的信息量越多，在综合评价中的作用越大，应赋予较大的权重。方法特点：客观性强：权重由数据本身的离散程度决定，避免了主观判断的偏差数据驱动：完全基于样本数据计算，不同数据集可能产生
2026-02-28 10:33:46
156
原创 遗传算法-学习日志Day1
遗传算法是一种模拟自然进化过程的全局优化搜索算法，由美国学者 John Holland 于1975年提出。该算法借鉴生物进化论中"适者生存"的思想，通过对候选解进行选择、交叉、变异等遗传操作，使种群逐代进化，最终逼近全局最优解。核心思想：将优化问题的每个候选解编码为一个"染色体"，多个染色体构成"种群"。通过计算每个个体的"适应度"来评价其优劣，适应度高的个体有更大概率被选中参与繁殖，经过若干代进化后，种群中的个体将趋向最优解。
2026-02-27 14:38:45
234
原创 2025年数学建模美赛B题解读
符号含义单位TTT年度接待游客总数（决策变量，优化目标之一）人/年T0T_0T0基期年度接待游客总数（2023 年接待的游轮乘客量）人/年RRR年度旅游总营收（决策变量，优化目标之一）美元/年R0R_0R0基期年度旅游总营收美元/年ΔR\Delta RΔR相对于基期的年度新增旅游营收美元/年rˉ\bar{r}rˉ基期人均旅游营收（含消费但不含新增费用）美元/人NNN城市常住居民人数（参数）人DDD最繁忙日的游客数量上限（决策变量）人/日D0。
2026-01-27 14:13:24
647
原创 2025年数学建模美赛C题解读
2025年数学建模美赛C题解读在2024年巴黎夏季奥运会中，美国以126枚奖牌总数位居榜首，中国与美国均获得40枚金牌并列金牌榜第一；东道主法国金牌数排名第5，但奖牌总数排名第4，英国金牌数排名第7，奖牌总数却排名第3。同时，阿尔巴尼亚、佛得角、多米尼克和圣卢西亚在本届奥运会上赢得了各自国家的首枚奥运奖牌，其中多米尼克和圣卢西亚还各收获一枚金牌，但仍有60多个国家从未获得过奥运奖牌。通常奥运奖牌数的预测多在临近赛事、已知参赛运动员信息时进行，而非基于历史奖牌数据。本次提供了所有夏季奥运会的奖牌榜、主办国、各
2026-01-27 14:09:49
1307
原创 2025年数学建模美赛A题解读
2025年数学建模美赛A题解读显式约束：隐式约束：本问题最终需要求解的结果如下：无题目描述中仅给出“存在估算值/已知信息”，未提供具体数值，故在本分析中将其视为已知常数但不赋具体数值：显式约束：测量必须无损，不得对台阶结构造成破坏，数学表达为：Dmeas=0D_{\text{meas}} = 0Dmeas=0测量需满足低成本要求，总成本不超过预先可接受的上限 CmaxC_{\max}Cmax，数学表达为：Cmeas≤CmaxC_{\text{meas}} \leq C_{\max}Cmeas≤
2026-01-26 11:22:45
704
原创 支持向量机SVM-数学建模优秀论文算法
支持向量机（SVM）是基于统计学习理论的一种高效分类算法，由Vapnik团队在20世纪90年代提出。其核心思想是通过最大间隔分类提高泛化能力，仅依赖支持向量确定决策边界。SVM通过核函数技巧将非线性问题映射到高维空间实现线性可分，避免了维数灾难。算法推导包括线性可分情况下的最大间隔优化、线性不可分时的软间隔松弛变量引入，以及非线性情况下的核函数应用。SVM将原始优化问题转化为对偶问题求解，具有理论严谨、小样本表现优异等特点，适用于文本分类、图像识别等多种场景。
2026-01-05 15:18:04
1087
原创 XGBoost-数学建模优秀论文算法
XGBoost（eXtreme Gradient Boosting）是**梯度提升决策树（GBDT）**的工业级优化版本，由陈天奇于2016年提出。要理解XGBoost的定位，需先回顾Boosting家族的演化脉络：Boosting是一类集成学习算法，核心思想是串行训练弱学习器（如决策树），通过加权组合将其提升为强学习器。其演化路径如下：GBDT的核心是“梯度驱动的残差学习”，但存在以下不足：XGBoost的目标是解决这些问题，同时保持GBDT的优点（如可解释性、对非线性关系的捕捉能力）。其核心改进包括：二
2026-01-04 20:00:11
1108
原创 随机森林算法-数学建模优秀论文算法
通过样本随机+特征随机最大化弱学习器的多样性（降低相关性ρ\rhoρ通过未剪枝的CART树保证单棵树的强度（提升sss通过集成策略抵消单棵树的过拟合误差，最终输出稳定、泛化能力强的结果。它是工业界最常用的“瑞士军刀”算法之一，广泛应用于分类、回归、特征选择、异常检测等任务，是机器学习工程师必须掌握的核心算法。本案例模拟了一个银行客户贷款违约预测场景：已知2000个客户的4个特征（年龄、收入、贷款金额、贷款期限）和1个标签（违约=1/未违约=0），使用随机森林算法预测客户是否会违约。
2025-12-30 14:51:39
1124
原创 决策树模型-数学建模优秀论文算法
决策树是一种模拟人类分步决策逻辑的机器学习模型，其核心思想是通过递归分割特征空间实现分类或回归。本文系统梳理了决策树的发展脉络：从1966年CLS的概念雏形，到1979年ID3算法引入信息增益准则，再到1993年C4.5改进为信息增益比，最终1984年CART树扩展至分类和回归任务。文章详细解析了决策树的核心理论，包括香农熵、条件熵等不确定性度量方法，以及信息增益、基尼指数和平方误差最小化等特征选择准则，并给出具体计算示例。最后探讨了决策树的停止条件以防止过拟合。全文从理论基础到实践应用，完整呈现了决策树模
2025-12-29 16:17:30
716
原创 蚁群算法-数学建模优秀论文算法
蚁群算法（ACO）是一种受真实蚂蚁觅食行为启发的群体智能优化算法，由Marco Dorigo于1991年提出。其核心思想是通过人工蚂蚁的局部决策和信息素介导的间接通信，实现全局优化。算法包含三个关键机制：1）状态转移规则，结合信息素和启发式信息进行概率决策；2）信息素动态更新，通过挥发和沉积平衡探索与开发；3）群体协作，涌现全局最优解。以TSP问题为例，算法通过迭代优化路径选择，其中蚁周系统（ACS）是最有效的变种。ACO的优势在于分布式计算、鲁棒性强和自组织性，已成功应用于路径规划、调度等组合优化问题。
2025-12-25 11:33:56
1984
原创 贝叶斯估计-数学建模优秀论文算法
贝叶斯估计是一种基于贝叶斯定理的概率推断方法，通过先验分布和观测数据更新后验分布。其核心思想是将参数视为随机变量，利用先验分布表达初始信念，结合似然函数修正为后验分布。相比频率派的固定参数观点，贝叶斯派强调概率的主观诠释。计算中常采用共轭先验简化后验推导，如二项分布采用Beta先验。该方法实现了从理论到实践的转化，成为统计推断的重要分支。
2025-12-24 12:50:51
1421
原创 微元法-数学建模优秀论文方法
微元法在旋转体体积计算中的应用：从数学原理到Python实现 摘要： 本文通过旋转体体积案例，系统阐述了微元法的数学原理与编程实现。首先介绍了微元法的历史渊源，从古代割圆术到现代微积分的发展历程。其次，详细剖析了微元法的核心思想："化整为零-近似简化-积零为整-极限保证"的四步逻辑。然后以曲线y=x²旋转体为例，展示了微元法的完整求解步骤：选取薄圆盘微元，建立πx⁴dx的体积微元表达式，通过定积分求得精确体积31π/5。最后给出了对应的Python实现代码，通过数值积分验证理论结果。全文
2025-12-23 12:22:44
700
原创 粒子群算法-数学建模优秀论文算法
粒子群优化算法（PSO）是基于生物群体协作行为的启发式优化算法，由美国学者Kennedy（社会心理学家）和Eberhart（电气工程师）于1995年联合提出。其灵感来源于对鸟群觅食、鱼群洄游等自然现象的观察：PSO的诞生是“生物启发计算”的典型案例，与遗传算法（GA）、模拟退火（SA）等同属无导数优化算法，但核心差异在于：PSO无需交叉、变异等操作，完全依赖群体内的“经验传递”实现优化，因此更简洁、计算效率更高。PSO的核心逻辑可概括为**“三个记忆+两个学习”**：简言之，PSO是通过群体内的信息传递与自
2025-12-22 15:44:33
1297
原创 模拟退火算法-数学建模优秀论文算法
模拟退火算法（SA）是一种受固体退火过程启发的优化算法，通过模拟热力学平衡和缓慢冷却过程解决复杂优化问题。其核心思想是以概率性接受劣解的策略突破局部最优，基于Metropolis准则实现解空间的全局探索。算法将优化问题映射为能量最小化问题，利用玻尔兹曼分布描述状态概率，通过温度参数控制搜索过程。关键要素包括：对称邻域结构、Metropolis接受准则（接受更优解，概率接受劣解）和满足收敛条件的降温策略（如指数或线性降温）。SA在组合优化、函数优化等领域展现出强大性能，平衡了全局搜索与局部开发能力。
2025-12-20 11:15:05
790
原创 面板数据模型（panel data）-数学建模优秀论文算法
本文系统梳理了面板数据模型的理论基础与应用方法。首先从传统单维度模型的局限出发，阐释面板数据同时包含横截面和时间维度的结构优势。重点剖析了面板模型的核心思想——通过固定效应或随机效应分离未观测异质性，推导了组内离差变换的数学原理，并比较了不同模型设定的适用条件。文章还详细介绍了混合回归、固定效应、随机效应等模型形式及其假设条件，为实证研究提供了方法论指导。
2025-12-19 15:00:03
1383
原创 Savitzky-Golay滤波-数学建模优秀论文算法
Savitzky-Golay滤波算法是一种基于局部多项式拟合的信号平滑方法，能够在抑制噪声的同时保留信号的高阶特征（如峰值、斜率等）。该方法通过最小二乘法拟合窗口内的数据点，以拟合多项式在中心点的值作为滤波输出。相比传统移动平均，SG滤波采用非均匀权重，避免了信号失真。算法推导包括多项式拟合矩阵模型建立、最小二乘求解、滤波系数计算等步骤，特别适用于光谱分析、生物信号处理等需要保留细节特征的领域。以5点2阶SG滤波为例，其核心优势在于通过多项式拟合准确捕捉信号局部特征。
2025-12-19 11:03:39
1157
原创 实时动态网络的dijkstra算法-数学建模优秀论文算法
本文介绍了实时动态网络中Dijkstra算法的应用与优化。首先对比了静态Dijkstra算法的局限性，指出其在处理动态变化网络（如交通路况变化）时效率低下的问题。重点阐述了动态Dijkstra算法的核心思想：通过增量维护而非全盘重算来应对网络变化，包括边权增减、边添加/删除等情况。算法采用预处理建立最短路径树，当网络变化时仅更新受影响节点，显著提高了计算效率。文章详细说明了边权减少和增加两种情况的处理逻辑，并提供了交通网络的实例说明。最后总结了从初始化到动态更新的完整5步求解流程，为实时网络路径优化提供了高
2025-12-18 14:05:30
944
原创 广度优先搜索（BFS）-数学建模优秀论文算法
BFS（广度优先搜索）入门摘要 BFS是一种基于队列的图遍历算法，采用"逐层扩散"策略，核心思想是从起点出发，按距离由近到远探索所有可达节点。它适用于无权图的最短路径问题，时间复杂度为O(V+E)。算法流程：初始化队列与访问标记→循环处理队首节点→遍历未访问邻居→更新距离并入队。BFS的优势是首次访问即得最短路径，空间复杂度O(V)。典型应用包括迷宫寻路、社交网络关系分析等，但不适合边权不等或超大图的场景。
2025-12-17 14:47:58
882
原创 多层感知机（MLP）-数学建模优秀论文算法
本文系统介绍了多层感知机（MLP）的发展历程、核心原理和实现方法。首先回顾了感知机的诞生及其线性局限性，指出多层堆叠和非线性激活是突破这一局限的关键。文章详细阐述了MLP的万能近似定理、网络结构设计（包括输入层、隐藏层和输出层）以及激活函数的选择（如Sigmoid、ReLU和Softmax）。最后，通过房价预测案例，讲解了MLP的完整实现流程，包括数据预处理、网络结构设计、损失函数选择和训练优化方法。MLP作为深度学习的基础模型，通过多层非线性变换能够拟合任意复杂函数，为后续更复杂的神经网络架构奠定了基础。
2025-12-16 13:59:04
1156
原创 LSTM神经网络-数学建模优秀论文算法
LSTM（长短期记忆网络）是一种改进的循环神经网络，通过引入门控机制和记忆细胞解决传统RNN的梯度消失问题。核心设计包括遗忘门、输入门和输出门，分别控制信息的遗忘、更新和输出。LSTM适合处理长序列依赖任务（如文本、语音、时间序列），但不适用于非序列数据或短序列场景。其优势在于参数共享和加法更新机制，能有效捕捉长距离依赖关系，但计算成本较高。实际应用中需根据任务特点权衡选择LSTM或其他轻量模型。
2025-12-15 11:35:09
720
原创 遗传算法-数学建模优秀论文算法
遗传算法是一种模拟自然进化过程的优化方法，通过选择、交叉和变异操作逐步改进解的质量。它首先将问题解编码为"染色体"，然后根据适应度函数评估解的优劣。在每一代中，算法选择优秀个体进行基因交叉和随机变异，产生新的解种群。这个过程重复进行，直到满足终止条件。遗传算法特别适合解决复杂优化问题，其优势在于不需要深入了解问题的数学结构，通过模拟进化就能找到近似最优解。核心参数包括种群大小、交叉概率和变异概率，这些需要根据具体问题进行调整。
2025-12-15 10:57:07
1023
原创 线性混合效应模型-数学建模优秀论文算法
本文介绍了线性混合效应模型（LMEM）的基本原理和应用场景，特别适用于处理层次结构数据（如学生嵌套在班级中）。传统线性回归会忽略组内相关性，而LMEM通过同时考虑固定效应（整体趋势）和随机效应（组间差异）来解决这一问题。文章详细讲解了模型的数学表达、参数估计方法（最大似然与限制最大似然）以及完整的建模步骤，包括数据层次识别、模型构建、假设检验和结果解释。通过教育研究案例，展示了如何量化固定效应（如家庭收入对成绩的影响）和随机效应（班级间差异），并计算组内相关系数（ICC）来评估组间变异的重要性。
2025-12-15 10:55:49
863
原创 深度生存网络-数学建模优秀论文算法
深度生存网络的完整流程可写为：$X \xrightarrow{f_\theta} z \xrightarrow{g_\phi} r \xrightarrow{L} \text{损失}模型的目标是最小化损失模型的目标是最小化损失模型的目标是最小化损失，同时学习特征提取参数，同时学习特征提取参数，同时学习特征提取参数\theta和风险预测参数和风险预测参数和风险预测参数\phi$。使用比例风险的负对数部分似然损失深度生存网络的学习路径可总结为“从简单到复杂入门。
2025-12-15 10:54:00
810
原创 高斯过程回归-数学建模优秀论文算法
本文介绍了高斯过程回归（GPR）的基本原理与应用。GPR是一种非参数概率模型，能够解决传统回归方法的局限性，如非线性拟合和不确定性量化。文章从高斯分布的基础知识出发，详细讲解了联合高斯分布和条件高斯分布的关键公式。通过定义高斯过程及其核心参数（均值函数和核函数），阐述了如何利用核函数控制模型特性。最后，文章推导了GPR的核心预测过程，展示了如何基于训练数据计算新输入点的预测分布。GPR通过贝叶斯框架提供概率输出，适用于需要量化预测不确定性的场景。
2025-12-15 10:51:08
961
原创 傅里叶变换-数学建模优秀论文算法
摘要 傅里叶变换是一种将复杂信号分解为简单正弦波叠加的数学工具。它起源于19世纪傅里叶对热传导问题的研究，最初表现为傅里叶级数，用于分解周期信号。核心思想是：任何满足条件的信号都可表示为不同频率正弦波的线性组合。通过引入正交函数和复数形式，傅里叶级数发展为更通用的傅里叶变换，能够处理非周期信号。正变换将时域信号转换为频域表示，逆变换则实现重构。这一方法在信号处理、图像分析等领域具有广泛应用，揭示了复杂现象背后的频率本质。
2025-12-15 10:49:13
968
原创 LightGBM算法-数学建模优秀论文算法
直方图是将连续特征离散化为**有限个区间（Bin）**的统计工具。例如，特征"年龄"的取值为18~60，可以离散为5个Bin：[18,25), [25,35), [35,45), [45,55), [55,60]。LightGBM对每个特征构建一个直方图该Bin内所有样本的梯度和（Sum of Gradients）∑xi∈Binrim∑xi∈Binrim；该Bin内所有样本的Hessian和（Sum of Hessians）∑xi∈Binh。
2025-12-15 10:44:25
790
原创 牛顿迭代法-数学建模优秀论文算法
牛顿迭代法是一种快速求解方程根的数值方法，通过局部线性近似逐步逼近真实解。本文从小白视角出发，详细介绍了该方法的核心思想、算法原理和实现步骤： 基本原理：利用函数切线与x轴的交点作为新的近似值，迭代公式为xₙ₊₁ = xₙ - f(xₙ)/f'(xₙ) 几何意义：通过"以直代曲"的方式实现局部线性近似 计算步骤：包括定义函数、选择初值、迭代计算、判断收敛条件等完整流程 实例演示：以求解√2为例展示具体计算过程，仅需4次迭代即可达到高精度 适用条件：要求函数连续可导且初值接近真实根，同时分
2025-12-15 10:42:43
1131
原创 差分进化法-数学建模优秀论文算法
差分进化法（DE）是一种高效的连续优化算法，通过模拟生物进化过程求解问题。其核心思想是利用种群个体间的差异（差分向量）引导搜索方向，结合变异、交叉和选择操作逐步逼近最优解。与遗传算法不同，DE直接操作实数向量，避免了二进制编码的精度损失。算法流程包括：初始化随机种群，通过差分变异生成新解，交叉操作保持多样性，以及贪婪选择保留更优解。DE具有参数少、收敛快、鲁棒性强等特点，适用于工程优化、参数调优等领域。常见变异策略包括DE/rand/1和DE/best/1，用户需根据问题特性调整变异因子F和交叉概率Cr。
2025-12-04 13:51:38
685
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人