- 博客(36)
- 收藏
- 关注
RSS订阅原创 最小生成树 Prim算法实现（c语言代码）
最小生成树，Prim算法的实现。（1）输入城市信息和城市之间公路的信息，建立图的邻接矩阵存储结构（2）为了使城市之间能够通信，将沿公路铺设光纤，给出合理的方案，使得光纤总耗费最小。
2023-05-24 17:29:22
2250
2
原创 顺序表的插入和删除
初始化顺序表（顺序表中元素为整型)，里边的元素是1.2,.3，然后通过scanf读取一个元素（假如插入的是6)，插入到第2个位置，打印输出顺序表，每个元素占3个空格，格式为1 6 23，然后scanf读取一个整型数，是删除的位置（假如输入为1)，然后输出顺序表6 23，假如输入的位置不合法，输出false字符串。第一次输入插入的元素值，第二次输入删除的位置。假如插入的元素为6，那么输出为。假如删除的位置为1，那么输出为。
2023-02-09 12:12:27
194
原创 对2020年E题的理解
题目校园供水系统是校园公用设施的重要组成部分，学校为了保障校园供水系统的正常运行需要投入大量的人力、物力和财力。随着科学技术的发展，校园内已经普遍使用了智能水表，从而可以获得大量的实时供水系统运行数据。后勤部门希望基于这些数据，通过数学建模和数据挖掘及时发现和解决供水系统中存在的问题，提高校园服务和管理水平。附件是某校区水表层级关系以及所有水表四个季度的读数(以一定时间为间隔，如15分钟)与相应的用水数据。请利用这些信息和数据，建立数学模型，讨论以下问题：统计、分析各个水表数据的变化规律
2021-09-05 22:32:40
1447
3
原创 回归分析（stata实例详细解答过程）
现有某电商平台846条关于婴幼儿奶粉的销售信息，每条信息由11个指 标组成。其中，评价量可以从一个侧面反映顾客对产品的关注度。 请对所给数据进行以下方面的分析，要求最终的分析将不仅仅有益于 商家，更有益于宝妈们为宝贝选择适合自己的奶粉。(1)以评价量为因变量，分析其它变量和评价量之间的关系。(2)以评价量为因变量，研究影响评价量的重要因素。我们运用stata软件解决此问题。第一问在第一问中要求我们，以评价量为因变量，分析其它变量和评价量之间的关系。我们在这里用回归分析，...
2021-09-02 16:46:08
106627
20
原创 回归分析的基础知识
拟合的思想是令绝对值的和最小（最小二乘）。线性回归的思想是令残差和最小。对于线性的理解线性假定并不要求初始模型都呈严格的线性性关系（不一定是这样的形式，才是线性）。自变量与因变量可通过变量变换而转化成线性模型。（可以把lnx替换为x）例如以下这些方程都是线性的：内生性与外生性式子中的所代表的是所有与y相关，但未添加到回归模型中的变量，如果这些变量和我们已添加的自变量相关，则存在内生性。所以必须与y不相关。如果遗漏了变量，则会导致内生性。如果存在内生性...
2021-09-01 21:59:02
1977
原创 多元回归分析（分类与运用）
一、回归分析的任务就是， 通过研究自变量X和因变量Y的相关关系，尝试去解释Y的形成机制，进 而达到通过X去预测Y的目的。常见的回归分析有五类：线性回归、0‐1回归（逻辑回归）、定序回归、计数回归 和生存回归，其划分的依据是因变量Y的类型。1.因变量还可以有多种类别：（1）连续数值型变量（2）0-1型变量：结果只有两种并且相互对立。（3）定序变量：拥有一定的顺序如：优秀、良好、中等、及格、不及格。（4）计数变量：代表发生次数。（5）生存变量：截止数据（不确定），例如：寿命80+，截
2021-09-01 00:09:41
4880
原创 双因素方差分析
回顾上一篇单因素方差分析的一个例子：matlab代码：clc, clear,close alla=readmatrix('data14_2.txt')[p.tst]=anova1(a)因为，所以这几种工艺制成的灯泡寿命有显著差异。箱线图如图所示：双因素方差分析单因素方差分析仅考虑了一个分类型自变量对数值型因变量的影响。但在实际应用中，考虑多个因素对试验结果影响的情况也是存在的。例如在分析影响某种产品销量的因素时，就通常需要考虑品牌、价格和区域等多个...
2021-08-26 22:18:11
4984
2
原创 方差分析(数学建模司守奎)
方差分析之所以被称为方差分析，那是因为虽然我们感兴趣的指标是均值，但在判断均值之间是否有显著差异时需要借助于方差。或者说通过对数据误差的考察来判断不同总体的均值是否相等，进而分析自变量对因变量是否有显著影响。根据分类变量的多少，方差分析可以分为单因素方差分析、双因素方差分析和多因素方差分析。只有一个因素的方差分析也被称为是“单因素方差分析”。引例：例题中只有“环境”这一个因素，所以用单因素分析分析。数据差异（总变差）可以分解为两部分:组间变异:甲、乙、丙三组大鼠全肺湿重各不相等。（此变量
2021-08-24 22:44:35
1350
原创 熵权法的运用
熵权法与层次分析法都是确定指标权重的方法。熵权法主要是依据指标的变异程度，进行客观的给指标赋权重。层次分析法主要是依据专家（个人）主观的进行两两比较，最后给指标赋权重。我们可以用指标的标准差来衡量样本的变异程度，指标的标准差越大，其信息熵越小。建议：比较适合运用于有数据的评价问题，熵权法与Topsis方法联合使用。该方法一般与Topsis方法联合使用，以下是计算熵权部分的代码： [n,m] = size(Z); D = zeros(1,m); % 初始化保存信息效.
2021-08-22 21:17:41
2721
原创 模糊综合评价（实际应用部分）
1.评价问题概述模糊综合评价问题就是把论域中的对象应用集中一个指定的评语或者将方案作为评语集并选择一个最优方案。其中因素集就是评价指标的集合，而评语集就是各评价指标的所有结果，权重集就是该指标所占的权重。2.一级模糊综合评价模型在指标个数较少时，运用一级模糊综合评判。而在问题较为复杂.指标较多时,运用多层次模糊综合评判,以提高精度。一级模糊综合评判模型的建立,主要包括以下步骤。（1）确定因素集。所有指标因素构成了评价指标体系集合,即因素集（2）确定评语集。由于每个指标的.
2021-08-21 22:02:19
2075
1
原创 模糊综合评价（理论部分）
一.概述引言其实很多时候，我们对一些事物的划分是不太明确的。例如，在年龄是定义“年轻”。那年龄到底在哪一个区间才算是“年轻”呢？可能每个人对这个的划分都不一样。因此，模糊综合评价的学习就非常具有必要性了。模糊综合评价法:是一种基于模糊数学的综合评价方法。该综合评价法根据模糊数学的隶属度理论把定性评价转化为定量评价，即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。它具有结果清晰，系统性强的特点，能较好地解决模糊的、难以量化的问题，适合各种非确定性问题的解决。我们的生活中充
2021-08-20 22:34:16
1105
原创 灰色关联分析运用于综合评价问题
对于传统的解决综合评价问题，一般用层次分析法或者Topsis法。在这我们引入一个新的方法来解决综合评价问题，这个方法就是灰色关联分析接下来看一道例题，边做边学。题目:评价下表中20条河流的水质情况。注︰含氧量越高越好;PH值越接近7越好;细菌总数越少越好;植物性营养物量介于10-20之间最佳，超过20或低于10均不好。1.先对各指标进行正向化。常见的指标类型有：极大型、极小型、中间型。2.对正向化后的矩阵进行预处理，也就是矩阵中的每一列的元素除以每一列的均值Xij / X(平均)。
2021-08-19 12:00:01
4124
3
原创 灰色关联分析
数理统计中进行系统分析一般有：回归分析、方差分析、主成分分析。这三种是传统意义上的系统分析，而灰色关联分析是由我国科学家提出的一个理论，一般只在国内有一些影响。灰色关联分析的基本思想：是根据序列曲线几何形状的相似程度来判断其联系是否紧密。曲线越接近,相应序列之间的关联度就越大,反之就越小。例如：1.先画个excel图，进行定性分析：(1)四个变量均呈上升趋势。(2)第二产业的增幅较为明显。(3)第二产业和第三产业的差距在后三年差距更大。2.确定分析数列母序列：类.
2021-08-18 22:45:35
403
原创 2019D题数学建模 分析与阅读笔记2&3
那么可以将问题分解为两点：1.如何定量计算出自建点数据和国控点数据的差异值?此论文通过时间对齐算法实现国控点数据和监测点数据的可比较性。说实话，这篇论文采用的时间对齐算法，我之前还真的没有接触过。百度搜索了一下这个算法，其实我个人觉得，这个名称是题目自己取的，只是为了让时间一一对应罢了。先补全对于时间缺失的数据，而后再设定一个区间，以这个区间对数据进行分段，然后取这个区间的平均值。最后再将处理过后的2数据与1数据进行差值处理就是差异值，画出图像。漏洞：它的这篇论文还有一个问题没有说明...
2021-08-17 22:05:58
1033
原创 NAR神经网络预测
1.该脚本用来做NAR神经网络预测x=[54167 55196 56300 57482 58796 60266 61465 62828 64653 65994 67207 66207 65859 67295 69172 70499 72538 74542 76368 78534 80671 82992 85229 87.
2021-08-15 21:20:18
3061
原创 2019D数学建模 分析与阅读笔记 1
探索性分析！确实是第一次看到这个名词。探索性数据分析（Exploratory Data Analysis，EDA）是指对已有数据在尽量少的先验假设下通过作图、制表、方程拟合、计算特征量等手段探索数据的结构和规律的一种数据分析方法。如果翻译成人话：就是将数据通过制表、作图、方程拟合、计算特征量，然后通过比较分析，进一步发现数据的规律与相互间的联系。在我目前研读的这一篇优秀论文中，我做了以下总结，先对第一题进行分析：一.探索性分析1.数据质量检查：检查数据记录（也就是从记录时间判...
2021-08-15 20:50:42
245
原创 BP神经网络预测
BP神经网络预测1.输入向量与输出向量我们将前14组国内男子跳高运动员各项素质指标作为输入，即（30m行进跑，立定三级跳远，助跑摸高，助跑4-6步跳高，负重深蹲杠铃，杠铃半蹲系数，100m，抓举），将对应的跳高成绩作为输出。注意：每一列是一组输入训练集，行数代表输入层神经元个数，列数输入训练集组数x_train=[3.2 3.2 3 3.2 3.2 3.4 3.2 3 3.2 3.2 3.2 3.9 3.1 3.2;9.6 10.3 9 10.3 10.1 10 9.6 9 9.6 9.2
2021-08-13 21:27:36
2598
原创 简单的感知器神经网络代码分析
1.基本原理感知器可以说是最早的人工神经网络（Artificial Neural Network,ANN），单层感知器是一个具有一层神经元、采用阈值激活函数的前向神经网络网络。感知器的输出一般是0或1，当然也可以是-1或+1，实现对输入的矢量进行分类的目的。前向神经网络（Feed Forword Neural Network）:各个神经元接受前级输入，并输出到下一级，无反馈，可用一有向无环图表示。前馈网络通常分为不同的“层”（layer），第i层的输入只与第i-1层的输入联接。可见层：输入层（i
2021-08-12 21:16:05
424
原创 BP神经网络的搭建
1. BP神经网络的简介和结构参数神经网络是机器学习中一种常见的数学模型，通过构建类似于大脑神经突触联接的结构，来进行信息处理。在应用神经网络的过程中，处理信息的单元一般分为三类：输入单元、输出单元和隐含单元。 顾名思义：输入单元接受外部给的信号与数据；输出单元实现系统处理结果的输出；隐含单元处在输入和输出单元之间，从网络系统外部是无法观测到隐含单元的结构的。除了上述三个处理信息的单元之外，神经元间的连接强度大小由权值等参数来决定。1.1 BP神经网络的结构组成下图是训练神经网络时经常出现的一个
2021-08-11 20:40:22
4373
原创 python基础回顾
一、标准数据类型：number（数字）、string（字符串）、list（列表）、tuple（元组）、set（集合）、dictionary（字典）。数字数据类型有四种数值类型：int（整数型）、float（浮点型）、complex（复杂型）、bool（布尔型）可以强制转换 float(x) 将x转换为一个浮点数字符串要用“或者‘括起来。可以根据变量进行索引，例如str是一个字符串索引方式：从左往右以0开始，从右往左以-1开始。变量名[起始地址：终止地址：步长] 默认步长为1s..
2021-07-20 21:53:53
79
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