![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
数学建模
学习过程记录
YingMila
这个作者很懒,什么都没留下…
展开
-
多元分析——主成分分析【数学建模】
主成分分析的主要目的是希望用较少的变量去解释原来资料中的大部分变异,将许多相关性较高的变量转化为彼此相互独立或不相关的变量。通常是选出的比原始变量个数少,能解释大部份资料中的变异的几个新变量,即所谓主成分,并用以解释资料的综合性指标。主成分分析实际上是一种降维方法。基本思想及方法主成分分析的结果受量纲的影响,由于各变量的单位可能不一样,如果各自改变量纲,结果会不一样,这是主成分分析的最大问题,回归分析是不存在这种情况的,所以实际中可以先把各变量的数据标准化,然后使用协方差矩阵或相关系数矩阵进行原创 2020-09-06 21:40:38 · 1290 阅读 · 0 评论 -
多元分析——聚类分析【数学建模】
聚类分析Q型聚类分析样本的相似性度量类与类间的相似性度量聚类图最短距离法的聚类举例Matlab 聚类分析的相关命令pdistlinkageclusterzsore(X)H=dendrogram(Z,P)T=clusterdata(X,cutoff)squareformR型聚类变量的相似性度量相关系数夹角余弦变量聚类法最长距离法最短距离法多元分析是多变量的统计分析方法。聚类分析(群分析),是对多个样本或指标进行定量分类的一种多元化统计分析方法。对样本进行分类成为Q型聚类分析,对指标进行分类称为R型聚类分析原创 2020-08-29 00:32:28 · 3638 阅读 · 0 评论 -
支持向量机
支持向量机支持向量机的基本原理线性可支持向量分类机线性支持分类机可分支持向量分类机C-支持向量分类机支持向量机的Matlab命令及应用例子支持向量机是数据挖掘中的一项新技术,是借助于最优化方法来解决机器学习问题的新工具,最初由 V.Vapnik 等人提出,近几年来在其理论研究和算法实现等方面都取得了很大的进展,开始成为克服“维数灾难”和过学习等困难的强有力的手段,它的理论基础和实现途径的基本框架都已形成。其主要思想:找到一个超平面,使得它能够尽可能多地将两类数据点正确分开,同时使分开的两类数据点距离分类原创 2020-08-28 23:00:23 · 385 阅读 · 0 评论 -
时间序列【数学建模】
时间序列确定性时间序列分析方法移动平均法指数平滑法一次直输平滑法二次指数平滑法三次指数平滑法差分指数平滑法一阶差分指数平滑法二阶差分指数平滑法具有季节性特点的时间序列的预测平稳时间序列模型时间序列的基本概念ARMA模型的构建及预测时间序列的Matlab相关工具箱及命令参考材料:《数学建模算法与应用(第二版)》将预测对象按照时间顺序排列起来,构成一个所谓的时间序列,从所构成的这一组时间序列过去的变化规律,推断今后的可能性和变化趋势,变化规律,就是时间序列预测法。时间序列是一种回归模型。基于原理:承认事物原创 2020-08-23 22:04:53 · 3159 阅读 · 1 评论 -
拟合【数学建模】
拟合算法拟合最小二乘法线性最小二乘法一元线性回归多元线性回归如何评价拟合的好坏最小二乘法的Matlab实现拟合与插值问题不同,在拟合问题中不需要曲线一定经过给定的点。拟合问题的目标是寻求一个函数(曲线),使得该曲线在某种准则下与所有的数据点最为接近,即曲线拟合的最好(最小化损失函数)。(n>30大样本时用拟合;插值使用于样本量比较小的时候)最小二乘法基本原理(截图来自百度百科):线性最小二乘法一元线性回归一组二维数据,即平面上的 n 个点(xi , yi)互不相同,寻求一个函数(曲原创 2020-08-21 22:15:47 · 463 阅读 · 0 评论 -
插值算法[数学建模]
插值插值算法一维数据插值方法分段线性插值分段二次插值(分段抛物插值)拉格朗日插值法龙格现象牛顿插值法埃尔米特插值法分段三次埃尔米特插值PCHIP样条插值三次样条插值n维数据插值插值算法在工程和数学应用中,经常有这样一类数据处理问题,在平面上给定一组离散点列,要求一条曲线,把这些点按次序连接起来,称为插值。一维数据插值方法已知 n+1 个点 (xi ,yi)(i = 0, 1, … , n) 下面求各种插值函数。分段线性插值简单地说,就是将每两个相邻的节点用直线连接起来,如此形成一条折线就是分原创 2020-08-20 22:23:35 · 3217 阅读 · 0 评论 -
非线性规化[数学建模]
非线性规化非线性规化模型非线性规化的Matlab解法无约束问题约束极值问题二次规划罚函数法非线性规化模型如果目标函数或约束条件中包含非线性函数,这种规划问题为非线性规化问题。非线性规化(目前)没有适用于各种问题的一般算法,各个方法都有自己的特定使用范围。与线性规化的区别如果线性规化最优解存在,则其最优解只能在其可行域的边界上达到(特别是顶点),而非线性规化的最优解如果村子可能在其可行域的任意一点达到。非线性规化的Matlab解法Matlab中的非线性规化的数学模型写成下面这种形式:式中:f原创 2020-08-18 23:27:43 · 299 阅读 · 0 评论 -
线性规化 & 整数规化【数学建模】
线性规化引言数学规化是运筹学的一个重要分支,而线性规化(Linear Programming,LP) 则是数学规化的一个重要分支。在计算机能处理成千上万个约束条件和决策变量的线性规划问题之后,线性规化的使用范围更加广泛。线性规化问题线性规化问题是在一组线性约束条件的限制下,求线性目标函数的最大或最小值的问题。一般线性规化的数学标准型:可行解,最优解可行域线性规化的Matlab求解Matlab中规定线性规化的标准形式为:式中:*f,x,b,*beq,lb,ub为列向量,其中 f 价值向原创 2020-08-18 21:52:38 · 413 阅读 · 0 评论