数学建模（总study框架）

评价类问题可以用打分解决->层次分析法：

 TOPSIS法：逼近理想解排序法（优劣解距离法）

 

 插值算法：在已知函数点数据极少时，模拟产生新值

 拟合算法：最小二乘法

相关系数：衡量两个变量的相关性大小

典型相关分析：研究两组变量之间相关关系，内在联系

多元线性回归分析：相关性 x y
四类模型：一元+双对数+x或y半对数
虚拟变量，自变量
利用Stata软件进行分析
异方差

图论最短路径问题：作图
Dijkstra算法 和 Bellman‐Ford（贝尔曼‐福特）算法

分类模型：

聚类模型：

 Spss软件

时间序列分析：对同一对象在不同时间连续观察所取得的数据
长期趋势T，季节趋势S，循环变动C，不规则变动I
相互独立->叠加模型  相互影响->乘积模型

预测模型：灰色预测模型

 对原始数据进行生成处理来寻找系统变动的规律，并 生成有较强规律性的数据序列，然后建立相应的微分方程模型，从 而预测事物未来发展趋势的状况

 BP神经网络预测

SVD和图形处理：

 主成分分析：降维算法（将多指标的数据保留下最重要的一些特征，去除噪声和不重要的特征）