- 博客(20)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 数学建模之动态规划
动态规划实质上是一种以空间换时间的技术，它在实现的过程中，不得不存储过程中产生的各种状态，所以它的空间复杂度要大于其他的算法。：最优化原理可这样阐述：一个最优化策略具有这样的性质，不论过去状态和决策如何，对前面的决策所形成的状态而言，余下的诸决策必须构成最优策略。：将各阶段按照一定的次序排列好之后，对于某个给定的阶段状态，它以前各阶段的状态无法直接影响它末来的决策，而只能影响当前的这个状态。、各个阶段决策的选取不是任意确定的，它依赖于当前面临的状态，又影响以后的发展。一个最优策略的子策略必然也是最优的。
2023-04-27 16:13:33
331
原创 数学建模之模拟退火法（SA）
模拟退火算法源于对固体退火过程的模拟，采用Metropolis准则，并用一组称为冷却进度表的参数控制算法的进程，使得算法在多项式时间里可以给出一个近似最优解。退火：将固体加热到足够高的温度，使分子呈随机排列状态，保持足够的时间，然后以适宜的速度逐步降温。先在一个高温状态下，然后逐渐退火，在每个温度下慢慢冷却，最终达到物理基态（相当于算法找到最优解）。它的目的是尽量使系统达到平衡，以使算法在有限的时间内逼近最优解。2、加热到一定温度，增强其粒子的热运动，使粒子偏离其平衡位置，消除原来的非均匀状态。
2023-04-26 10:58:44
1617
原创 数学建模之遗传算法（GA）
途经：13, 12, 0, 1, 11, 10, 9, 7, 6, 27, 14, 5, 4, 31, 29, 3, 30, 24, 20, 25, 32, 33, 26, 8, 22, 21, 19, 2, 17, 18, 16, 28, 23后回到原点。基本的遗传算法采用轮赌法进行，其基本的思想是各个个体被选中的概率与其适应度函数值大小成正比。评价一个个体（解）的好坏程度，适应度函数是遗传算法进化过程的驱动力，也是进行自然选择的唯一标准，它的设计应结合求解问题本身的要求而定。个城市，已知其坐标；
2023-04-26 10:46:27
1502
原创 数学建模之因子分析（FA）
又因为求解的不唯一性，最后通常会对因子的载荷矩阵做一次正交旋转，为了：方便理解每个因子的意义。因子旋转的原因是提取公共因子的解有很多，而因子旋转后因子载荷矩阵将得到重新分配，可以使得旋转后的因子更容易解释。常用的方法是：方差最大法。存在某些相关性的变量提炼为较少的几个因子，用这几个因子去表示原本的变量，也可以根据因子对变量进行分类。、不是对原有变量的取舍，而是根据原始变量的信息进行重新组合，找出影响变量的共同因子，化简数据。对每一样本数据，得到它们在不同因子上的具体数据值，这些数值就是因子得分。
2023-04-26 10:23:43
2776
原创 数学建模之主成分分析（PCA）
对于一组不同维度之间可能存在线性相关关系的数据，PCA能够把这组数据通过正交变换变成各个维度之间线性无关的数据，经过PCA处理的数据中的各个样本之间的关系往往更直观，所以它是一种非常常用的数据分析和预处理工具。PCA处理之后的数据各个维度之间是线性无关的，通过剔除方差较小的那些维度上的数据，我们就可以达到数据降维的目的。从原始变量出发，通过旋转变化（原始变量的线性组合）构建出一组新的，互不相关的新变量，这些变量尽可能多的解释原始数据之间的差异性（数据内在的结构），他们就成为原始数据的主成分。
2023-04-26 10:12:46
644
原创 数学建模之灰色预测（GM1.1）
灰色系统理论是研究解决灰色系统分析、建模、预测、决策和控制的理论，是一般系统论、信息论、控制论的观点和方法在社会、经济、生态等抽象系统中的延伸,是运用经典数学知识解决信息不完备系统的理论和方法。灰色系统是指部分信息已知部分信息末知的信息不完备系统。灰色预测的主要特点是模型使用的不是原始数据序列, 而是生成的数据序列，即对原始数据作累加生成（或其它方法生成）得到近似的指数规律 再进行建模的方法。
2023-04-25 15:50:58
2961
原创 数学建模之分类
结论：预测燕麦类早餐选择倾向上准确率最高，达到77%，其他两个早餐选择的预测略低，模型总体预测准确率为57.4%，表现一般。例3：数据文件涉及一份880人参于的关于早餐喜好的民意调查，该调查记录了参与者的年龄、婚姻状况以及生活方式是否积极，每个个案代表一个单独的响应者。基于Logistic回归可以分为二元（Y为两类）、多元（Y大于两类，类别间无层次对比）和有序（Y大于两类，类别间有层次对比）用于研究影响关系，即X对Y的影响情况。探究X（定量）与Y（定量）之间的影响时使用线性回归如衣服的价格对销量的影响。
2023-04-25 10:52:17
478
原创 数学建模之聚类算法（K-means）
计算两条数据相似性时, Sklearn的K-Means默认使用的是欧式距离。如果要改变计算距离的公式时，可以改变K-means的源代码。结论：从这几次聚类的比较中可以看出，消费水平相近的省市聚集在一类。而北京、上海和广东很稳定的一直聚集在同一类中，在当k = 4时，这样的一种聚类可以比较明显的看出消费层级。、对于剩下的点，根据其与棸类中心的距离，将其归入最近的簇。个簇，使簇内具有较高的相似度，而簇间的相似度较低。、对于每个簇，计算所有点的均值作为新的聚类中心。年各个省份的消费水平在国内的情况。
2023-04-24 21:01:29
3774
原创 数学建模之回归分析
利用检验统计量R,F,p的值判断模型是否可用，本例R的绝对值为0.9106，表明线性相关性强，F=67.9028>F（3,20）=3.10000，p=0.0000，显然满足p
2023-04-24 11:08:51
2441
原创 数学建模之相关系数
相关系数研究两变量之间的关联性问题，来揭示它们之间的内在规律。Pearson相关系数两个总体服从正态分布的变量，且数据为定量数据时，要研究两个变量之间的线性相关程度。pearson相关系数的适用条件：1、两变量的总体服从正态分布2、样本容量较大3、变量必须是成对数据计算公式：表示的样本均值，表示的样本均值。相关性系数的的显著性检验原假设为，接受原假设说明两变量之间不存在线性关系。反之假设为，表明两变量之间存在显著的线性关系。检查样本量服从F。
2023-04-24 10:39:46
1045
原创 数学建模值插值算法
由于数据点通常都带有误差，误差为0往往意味着过度拟合，过拟合模型对于训练集以外的数据的泛化能力往往是较差的。因此，插值和拟合都是根据一组已知样本点，求变化规律和特征相似的近似曲线的过程。但是插值要求近似曲线完全经过所有的给定数据点，而拟合只要求近似曲线在整体上尽可能接近数据点，并反映数据的变化规律和发展趋势。1、在数模比赛中，需要用已知数据进行分析时，可能会出现已知数据缺失或不足的情况，此时可利用该方法产生一些靠谱的数据点。、插值：是在离散数据的基础上补插连续函数，使得插值函数通过全部给定的离散样本点。
2023-04-23 20:56:06
850
原创 数学建模之拟合与插值
求一条曲线，使样本点均在此曲线的上下的不远处，所求的曲线叫为拟合曲线，它可以反映样本的总体分布，不至于出现局部较大的波动（龙格现象），能更好地反映出逼近函数的特性，在对给出的实验数据作曲线拟合时，使求得的逼近函数和已知函数之间的偏差的平方和达到最小，这就是最小二乘法的原理。为系数，表示截距和斜率。分布为一条拟合曲线。
2023-04-22 16:49:58
1105
1
原创 数学建模之Topsis法
TOPSIS 法是一种常用的综合评价方法，能充分利用原始数据的信息，其结果能精确地反映各评价方案之间的差距。（1）避免了数据的主观性，不需要目标函数，不用通过检验，而且能够很好的刻画多个影响指标的综合影响力度。（5）获得各评价对象与最优方案的相对接近程度，以此作为评价优劣的依据。（2）不确定指标的选取个数为多少适宜，才能够去很好刻画指标的影响力度。（2）再对正向化的矩阵进行标准化处理以消除各指标量纲的影响；（1）需要的每个指标的数据，对应的量化指标选取会有一定难度。与最小值的距离Z与最大值的距离。
2023-04-22 16:38:20
1384
1
原创 层次分析法与数学建模
进行决策，极大地提高了决策的有效性、可靠性和可行性，但其本质是一种思维方式，它把复杂问题分解成多个组成因素，又将这些因素按支配关系分别形成递阶层次结构，通过两两比较的方法确定决策方案相对重要度的总排序。的主要特点是通过建立递阶层次结构，把人类的判断转化到若干因素两两之间重要度的比较上，从而把难于量化的定性判断转化为可操作的重要度的比较上面。）准则层：为实现目标所涉及的中间环节，它可以由若干个层次组成，包括所需考虑的准则、子准则。）在层次分析法中，我们构造的判断矩阵都是正互反矩阵。主要应用于解决评价类问题。
2023-04-22 16:15:18
309
1
MySQL期末准复习最终版，一个学期的成果
2023-08-11
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人