
数学建模
文章平均质量分 85
本专栏分享一些基础数学建模算法。
羊小猪~~
22级本科在读;探索C/C++,ai算法,go的世界;在迷茫中寻找“光芒”。
展开
-
数学建模(基于Python实现)--灰色关联分析法讲解,含案例
一般的抽象系统,如社会系统、经济系统、农业系统、生态系统、教育系统等都包含有许多种,多种因素共同作用的结果决定了该系统的发展态势,其中,哪些是主要因素,哪些是次要因素;曲线越接近,相应序列之间的关联度就越大,反之就越小。p,分辨率大小,一般取0.4,0.5,0.6,越大,更关注指标差异性,越小,更注重指标相关性。根据加权关联度大小,对各评价对象进行排序,可建立评价对象的关联序,关联度越大,评价结果越好。这一步就是选取评价对象,和评价对象有关系影响因素,本题中就是,通过。,这也是主观性过强的原因。原创 2024-11-05 23:58:11 · 790 阅读 · 0 评论 -
数学建模--数据处理基本方法(基于matlab),一定要实践!!!!
四分位数Q1是排第25%的数值,上四分位数Q3是排第75%的数值。四分位距IQR= Q3-Q1,也就是排名第75%的减去第25%的数值 正态分布类似,设置个合理区间,在区间外的就是异常值。数值分布在( μ-3σ, μ+3σ)中的概率为99.73%,其中 μ为平均值, σ为标准差。在进行数据一致化之前,必须先判断是属于什么类型数据(极大型、极小型、中间型、区间型)2、判断每个数据值是否在( μ-3σ, μ+3σ)内,不在则为异常值。:总体符合正态分布,例如人口数据、测量误差、生产加工质量、考试成绩等。原创 2024-10-10 22:58:37 · 1235 阅读 · 0 评论 -
数学建模--什么是数学建模?数学建模应该怎么准备?
从这个思路中间大家应该基本能知道,下次再遇到西瓜酒,葡萄汁,或者 电脑的评价问题数据应该怎样进行处理了,我们要类比的是数学结构,而 不是表面上这个东西是葡萄酒还是白酒,这篇论文读透了,以此为线索, 整个评价问题你都解决了。而灰色关联方法能够在机理没有完全摸清的情况下, 部分挖掘变量间更深层次的联系,更能够准确地评价葡萄酒的好坏。比方说,2012年A题葡萄酒评价模型,有篇文章用了回归分析和灰色关联方法对葡 萄酒进行了评级,然后比较二者的结果,得出灰色关联的方法更加能够反映理化成 分对葡萄酒质量的影响的结论。原创 2024-09-29 23:16:17 · 1603 阅读 · 0 评论