数学模型:一些模型
数学建模:利用数学模型求解整个问题的整个流程
建模步骤:
模型准备,模型假设(简化),模型建立(重点)建立模型而不是复制模型(原创,改进,组合创新),模型求解(不能说基于matlab求解如下)(数据代入模型,剔除错误数据),模型分析(表层分析,深层分析),模型检验。
数据处理:
(1)插值拟合:主要用于对数据的补全和基本的趋势分析
(2)小波分析,聚类分析(高斯混合聚类,K-均值聚类等待)
主要用于诊断数据异常值并进行剔除
(3)主成分分析,线性判别分析,局部保留投影
主要用于多维数据的降维处理,减少数据冗余。
关联因果:
(1)灰色关联分析方法
(2)典型相关分析
分类与判别:
(1)距离聚类(系统聚类)常用
(2)关联性聚类(常用)
(3)层次聚类
(4)密度聚类
(6)贝叶斯判别(统计判别方法)
(7)费舍尔判别(训练的样本比较少)
(8)模糊识别(分号类的数据点比较少)
评价与决策:
(5)预测与预报
(6)优化与控制