2022数维杯国际大学生数学建模挑战赛

小笼包数模

已于 2022-11-15 19:57:19 修改

阅读量932

点赞数

分类专栏：数学建模比赛文章标签：人工智能算法

于 2022-11-15 19:43:56 首次发布

本文链接：https://blog.csdn.net/qq_50593822/article/details/127872348

版权

数学建模比赛专栏收录该内容

11 篇文章 6 订阅

订阅专栏

这篇博文探讨了在数学建模竞赛中的应用，包括使用数据包络分析（DEA）计算银行效率，借助ID3算法的决策树解决多指标分类问题，以及通过多元线性回归和BP神经网络进行破产预测。文章还涉及模糊聚类分析，展示了如何对数据进行聚类并分析结果。

摘要由CSDN通过智能技术生成

相信大家可能有参加美赛的打算，就先看看我这篇博文，学习一下，希望对大家有帮助！

另外，后面的资料更新以及联系方式都会在这个链接卡片里

复制链接到浏览器中打开

kdocs.cn/l/ctxgjnzakzQh

这是今年上半年的一次数维杯赛题思路

针对问题 1。计算投入产出比，首先要确定投入和产出变量。通过查阅文献，常见的投入指标有总负债（X2),营运资本（X3),总资产（X17),营业费用（X33)产出指标有（X1）,销售额（X9),经营活动利润(X22)。计算银行的效率，常见的算法为数据包络分析（DEA)。

针对问题 2。该问题属于具有多个指标的分类问题，并且需要确定权重值，因此可以采用基于 ID3 算法的决策树算法。

针对问题 3。采用问题 1 和问题 2 的综合分析，可以将第一问的效率作为指标，和第二问得出的五个指标，通过标准化后，采用多元线性回归分析（自变量为 6 个指标，因变量为是否破产）。当然也可以将这 6 个指标作为输入层，是否破产作为输出层，利用 BP 神经网络进行分类模型训练，得出一个更好的结果。（需要注意，不能将所有数据都作为训练集，需要划分训练集，测试集，预测集）。

%数据大小
[R1,C1]=size(P1);
lzx=5;  %%%类中心个数
%% 模糊聚类
data=P1;
[center,U,obj_fcn] = fcm(data,lzx);    
for i=1:R1
    [value,idx]=max(U(:,i));
    a1(i)=idx;
end
 center   %%%类中心
%% 模糊聚类结果分析
cent1=P1(find(a1==1),:);cent11=mean(cent1)  %%cent1类别1中的子集，cent11类别1中心
cent2=P1(find(a1==2),:);cent22=mean(cent2)  %%cent2类别1中的子集，cent22类别2中心
cent3=P1(find(a1==3),:);cent33=mean(cent3)  %%cent3类别1中的子集，cent33类别3中心
cent4=P1(find(a1==4),:);cent44=mean(cent4)%%cent4类别1中的子集，cent44类别4中心
cent5=P1(find(a1==5),:);cent55=mean(cent5)%%cent5类别1中的子集，cent55类别5中心