数学建模
文章平均质量分 89
_Vivi__
这个作者很懒,什么都没留下…
展开
-
数学建模聚类模型
聚类模型聚类就是将样本划分为由类似的对象组成的多个类的过程。聚类后,我们可以更加准确的在每个类中单独使用统计模型进行估计、分析或预测也可以探究不同类之间的相关性和主要差异。聚类和分类的区别是分类是已知类别的,聚类未知。K-means聚类算法步骤指定需要划分的簇的个数K值(类的个数)随机地选择K个数据对象作为初始的聚类中心(不一定要是样本点)计算其余的各个数据对象到这K个初始聚类中心的距离,把数据对象划归到距离它最近的那个中心所处在的簇类中。调整新类并且重新计算出新类的中心。(通常是重心)原创 2021-08-10 23:00:03 · 1039 阅读 · 0 评论 -
图论最短路径问题
图论最短路径问题本讲将简要介绍图论中的基本概念,并主要讲解图论中的最短路径问题。根据图的不同,将学习两种不同的算法:迪杰斯特拉Dijkstra算法图的基本概念两种画图方法一个画图的网站(推荐使用)MATLAB画图% 函数graph(s,t):可在 s 和 t 中的对应节点之间创建边,并生成一个图G1 = graph(s1, t1);plot(G1)% 函数graph(s,t,w):可在 s 和 t 中的对应节点之间以w的权重创建边,并生成一个图G2 = graph(s2, t2)原创 2021-08-10 12:21:27 · 148 阅读 · 0 评论 -
多元线性回归分析
多元线性回归分析回归分析是数据分析中最基础也是最重要的分析工具,绝大多数的数据分析问题,都可以使用回归的思想来解决。回归分析的任务就是,通过研究自变量X和因变量Y的相关关系,尝试去解释Y的形成机制,进而达到通过X去预测Y的目的。常见的回归分析有五类:线性回归、0‐1回归、定序回归、计数回归和生存回归,其划分的依据是因变量Y的类型。本讲主要学习线性回归。多元线性回归分析相关性通过回归分析,研究相关关。相关性不等于因果性。XX是用来解释Y的相关变量,所以X被称为自变量。YY常常是我们需要研究原创 2021-08-08 17:53:57 · 8860 阅读 · 1 评论 -
典型相关分析
典型相关分析典型相关分析(Canonical Correlation analysis)研究两组变量(每组变量中都可能有多个指标)之间相关关系的一种多元统计方法。它能够揭示出两组变量之间的内在联系。基本原理在每组变量中找出变量的线性组合,使得两组的线性组合之间具有最大的相关系数(这一步的目的是把一组变量综合起来)选取和最初挑选的这对线性组合不相关的线性组合,使其配对,并选取相关系数最大的一对。如此继续下去,直到两组变量之间的相关性被提取完毕为止。被选出的线性组合配对称为典型变量,它们的相关系数称原创 2021-08-06 18:10:15 · 1803 阅读 · 0 评论 -
数学建模相关系数
相关系数本文介绍两种最为常用的相关系数:皮尔逊pearson相关系数和斯皮尔曼spearman等级相关系数。它们可用来衡量两个变量之间的相关性的大小,根据数据满足的不同条件,我们要选择不同的相关系数进行计算和分析(建模论文中最容易用错的方法)。描述性统计使用MATLABMIN = min(Test); % 每一列的最小值MAX = max(Test); % 每一列的最大值MEAN = mean(Test); % 每一列的均值MEDIAN = median(Test); %每一列的中位数S原创 2021-08-05 18:26:40 · 1329 阅读 · 0 评论 -
拟合算法
拟合算法与插值问题不同,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)。插值和拟合的区别插值算法中,得到的多项式f(x)要经过所有样本点。拟合算法得到的曲线不能经过每一个样本点,但只要保证误差足够小即可,这就是拟合的思想。(拟合的结果是得到一个确定的曲线)。最小二乘法y^i=kxi+b\hat{y}_i=kx_i+by^i=kxi+bk^,b^=argmin(∑i=1n(y原创 2021-08-04 15:33:55 · 396 阅读 · 0 评论 -
数学建模插值算法
插值算法数模比赛中,常常需要根据已知的函数点进行数据、模型的处理和分析,而有时候现有的数据是极少的,不足以支撑分析的进行,这时就需要使用一些数学的方法,“模拟产生”一些新的但又比较靠谱的值来满足需求,这就是插值的作用。插值法定义设函数y=f(x)y=f (x)y=f(x) 在区间[a,b][ a , b ][a,b]上有定义,且已知在点a≤x0<x1<...<xn≤ba ≤ x_0 < x_1 < . . . < x_n ≤ ba≤x0<x1<...原创 2021-08-03 14:04:59 · 488 阅读 · 0 评论 -
层次分析法(AHP))
层次分析法(The analytic hierarchy process, 简称AHP)建模比赛中最基础的模型之一,其主要用于解决评价类问题(例如:选择哪种方案最好、哪位运动员或者员工表现的更优秀)层次分析法第一步分析系统中各因素之间的关系,建立系统的递阶层次结构。考虑以下三个问题 :我们评价的目标是什么?我们为了达到这个目标有哪几种可选的方案?评价的准则或者说指标是什么?(我们根据什么东西来评价好坏)层次分析法第二步对于同一层次的各元素关于上一层次中某一准则的重要性进行两两比较原创 2021-08-02 13:35:20 · 1760 阅读 · 0 评论