【数模】数模入门与常用算法汇总

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

 

原创作者: u_16969274 转载于: https://blog.51cto.com/u_16969274/11821631