- 综合排序
- 最热优先
- 最新优先
- 来自专栏往期博文
数学建模番外篇8：画图配色
前面已经总结了各类画图类型/套路/技巧，此篇来总结一下配色。 之前有提到，通常在白底背景下，颜色以淡色为主会显得比较美观。
56810编辑于 2022-06-14 - 来自专栏往期博文
数学建模暑期集训8：熵权法
在本专栏第三篇博文中列举了熵权法的公式数学建模学习笔记（三）熵权法Excel实现，但用Excel实现的讲解视频已经无法观看，这篇博文就来用matlab实现熵权法，比excel手动操作更加方便。 比如，评价三好学生的指标中，违反校纪是其中一个指标，大多数学生违反校纪的次数都为0，那么通过熵权法，违反校纪这个指标权重就很小（也就是说，违不违反校纪对评价三好学生无关紧要），显然，这与现实相悖。
1.1K20编辑于 2022-06-14 - 来自专栏云深之无迹
数学建模
宾馆定价问题 某宾馆有150间客房，经过一段时间的经营实践，该宾馆经理得到一些数据：如果每间客房定价为200元，入住率为55％；定价为180元，入住率为65％；定价为160元，入住率为75％；定价为140元，入住率为85％。欲使每天的收入最高，问每间客房的定价应为多少？
81030发布于 2020-08-13 - 来自专栏CSDN小华
数学建模--旅行商
旅行商问题（TSP，Traveling Salesman Problem）是数学建模中的一个经典组合优化问题。 数学模型 标准的TSP可以描述为以下数学模型： 设 nn 个城市分别为 C1,C2,…,CnC1,C2,…,Cn，任意两个城市 ii 和 jj 之间的距离已知，记为 dijdij。 旅行商问题的数学模型在其他领域（如生物信息学、材料科学）的应用研究有哪些？ 旅行商问题（TSP）作为经典的组合优化问题，其数学模型在多个领域中得到了广泛应用。
1.2K10编辑于 2024-10-16 - 来自专栏CSDN小华
数学建模--随机森林
在线性关系建模和小样本处理方面的限制：随机森林在建模线性关系和处理小样本数据方面存在一定限制。 模型解释性较差：随机森林的模型解释性较差，这可能会影响对其决策过程的理解。 随机森林在处理大数据集、特征重要性检测、抗噪声能力和鲁棒性方面表现出色，但在运行时间、对噪声数据的敏感性、结果不可重复性以及在线性关系建模和小样本处理方面的限制等方面存在劣势。
1.3K11编辑于 2024-10-16 - 来自专栏CSDN小华
数学建模--禁忌搜索
代码示例 import random # 定义距离矩阵 distance_matrix = [ [0, 2, 9, 10], [1, 0, 6, 4], [15, 7, 0, 8]
91710编辑于 2024-10-16 - 来自专栏CSDN小华
数学建模--聚类分析
数学建模中的聚类分析是一种无监督学习方法，用于将数据集中的对象分组，使得同一组内的对象尽可能相似，而不同组的对象尽可能不同。这种方法的主要目的是通过分析数据的内在结构来发现数据中的潜在模式和规律。 常用的数学公式和方法： K-means聚类算法： 误差平方和准则函数：用于评价聚类性能。其公式为： 其中，CiCi 是第 ii 个簇，μiμi 是第 ii 个簇的中心。 结论 数学建模中的聚类分析是一种强大的工具，能够帮助我们从复杂的数据中发现有意义的结构和模式。通过合理选择距离度量、聚类算法以及评估方法，可以有效地进行数据聚类并获得有价值的洞察。 数学建模中的聚类分析在市场细分中的具体应用案例是什么？ 在数学建模中，聚类分析是一种无监督学习技术，通过将数据集分成若干组（即聚类），使得同一聚类内的数据点尽可能相似，而不同聚类间的数据点尽可能不同。
80110编辑于 2024-10-16 - 来自专栏全栈程序员必看
数学建模的一些方法_对数学建模的认识
一，数学模型分类 本人在大学时期 待了两年的数学建模社团，也参加过国赛，最近有些许感性，想以此纪念一下。 首先，既然是数学建模，就离不开模型，具体的模型有哪些呢？ 二、建模方法分类 常用的方法有： 1.类比法、2.二分法、3.量纲分析法、4.图论法；5.差分法、6.变分法、7.数据拟合法、8.回归分析法 9.数学规划法(线性规划，非线性规划，整数规划，动态规划，目标规划 3、量纲分析法 量纲分析法常用于定性地研究某些关系和性质，利用量纲齐次原则寻求物理量之间的关系，在数学建模过程中常常进行无量纲化。 4、图论法 图论方法是数学建模中一种独特的方法，图论建模是指对一些抽象事物进行抽象、化简，并用图来描述事物特征及内在联系的过程，也是数学建模的一个必备工具。 当初刚接触数学建模，我用的挺嗨的，但是弊端也非常明显。 评分标准都是自己编的，没有什么专家打分，得出的评分体系靠语言支撑。 但是初入门还是可以用用，也没有坏处。
2.8K10编辑于 2022-11-09 - 来自专栏生信菜鸟团
读书笔记 | 第 8 章 癌症标志特征的数学建模
类型 I 凋亡可在某些细胞类型中观察到，涉及早期半胱天冬酶（如半胱天冬酶-8，CASP8）和效应半胱天冬酶（如半胱天冬酶-3，CASP3）的正反馈。 因此，数学建模在解释实验观察方面起着重要作用，未来其作用将继续增强。 在这种研究中常用的数学形式是基于经典离散或连续马尔可夫链的建模。 这仍然是未来十年肿瘤发生数学建模的挑战。 尽管 NFkB 信号通路已被广泛数学建模，但仅通过建模该通路本身难以获得其在肿瘤发生中的角色的重大见解。 在这项工作中，一个基于常微分方程（ODE）的数学模型描述了肿瘤与免疫系统的相互作用，重点在于 NK 细胞和 CD8+ T 细胞在肿瘤监视中的作用。该模型参数化基于已发表的小鼠数据和人类研究。
46200编辑于 2024-12-20 - 来自专栏巴山学长
层次分析法在数学建模中的matlab实现【数学建模】
前言：MATLAB是数学建模比赛中较受欢迎的一种编程语言，为了满足一些参加数学建模比赛小伙伴的需求，我们创建了这个专题，并会在接下来的一段时间里定期地为大家推送一些算法文章。 今天我们学习的是数学建模中的层次分析法。 一、层次分析法的介绍 层次分析法（Analytic Hierarchy Process，简称 AHP），最早是由美国运筹学家 T. L. 方案层单排序权值:') fw w=fw*zw;%层次总排序 [m,n] = max(w); disp((sprintf('最终选择的方案为方案%d',n))) 本期内容由小编编程手撰写，编程手有丰富的数学建模与 鉴于此，matlab爱好者公众号计划推出【数学建模】系列，将逐一揭开数学建模的“神秘”面纱，与大家一起在数学建模的海洋里畅游。 若您有过数学建模的获奖经历，并有一定的matlab编程基础，欢迎将您的成功经验整理成文推送给我们与大家分享。
3.6K20发布于 2021-04-22 - 来自专栏全栈程序员必看
数学建模之方差分析模型_数学建模层次分析法
数学建模之方差分析 方差分析(Analysis of Variance, ANOVA) 应用场景 单因素方差分析 Matlab实现——anova1 多重比较 双因素方差分析 Matlab 例如： 参考文献 [1] 司守奎.数学建模算法与程序[M].海军航空工程学院, 2007 版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。
1.5K11编辑于 2022-11-04 - 来自专栏笔记c
数学建模——熵权法
计算第j项指标的信息熵冗余度 5.计算各指标权重 计算第j项指标的权重 6.计算综合得分 计算第i个评价对象的综合得分 四、应用例题分析 成绩评价 判断下列同学的综合成绩排名 语文（150） 数学 y(:,j)=(ymax-ymin)*(xmax(j)-x(:,j))/(xmax(j)-xmin(j))+ymin; end end 熵权法.xlsx 语文（150） 数学
27.8K46编辑于 2022-11-15 - 来自专栏学习成长指南
数学建模之MATLAB使用
举一个很简单的例子，我们在高等数学里面的微积分学习时经常求不定积分，也就是原函数，这个过程实际上进行的就是符号运算，我们通过对一些变量字符x等等的运算，最后得出一个表达式； 或者说是高等数学里面的微分方程
42010编辑于 2025-02-24 - 来自专栏Yui编程知识
【数学建模】MATLAB快速入门
刚开始的界面只要一个命令行窗口，为了使编辑界面出现我们需要新建一个文件，注意存放文件的文件夹一定要是英文命名，新建文件后打开就会出现编辑器。新建完文件后，点击左上角的新建脚本就会弹出编辑器了。
74810编辑于 2024-10-16 - 来自专栏CSDN小华
数学建模--支持向量机
在实际应用中，支持向量机（SVM）与其他机器学习算法（如随机森林、梯度提升树）相比具有以下优势和劣势： 优势： 严格的数学理论支持：SVM有严格的数学理论支持，可解释性强，不依靠统计方法，从而简化了通常的分类和回归问题 增量学习是一种逐步构建模型的方法，每次只更新部分数据，而不是一次性加载整个数据集。这种方法特别适用于大规模数据集，可以有效减少内存占用和计算时间。
82410编辑于 2024-10-16 - 来自专栏学习成长指南
数学建模--MATLAB基本使用
二维图形的绘制 二维图形的绘制要是用这个plot函数，我们通过这个例子来认识一下函数的使用方法，以sin1/x为例吧： （1）这个地方我们只绘制了-1~1范围里面的函数图像，这样便于观察函数的效果，学过高等数学的同学们对于这个函数就非常的熟悉 我们使用int(s,x)就是表示对s表达式里面的x进行积分； 顺便提一句：无论是积分求解还是极限的求解，我们都是使用inf代表无穷； 下面是例子： （需要了解的是这个不定积分的求解是没有常数项的（实际上数学里面的求解是由常数的 但是用的是新版MATLAB，2023里面可能会因为不支持原来的某些符号而报警告，但是我们依然是能够得到结果的； D2y表示的是2阶导，D3y表示的是3阶导，以此类推； （3）y''-6y'+13y=0的通解； 8.
82210编辑于 2025-02-24 - 来自专栏学习笔记
数学建模——线性回归模型
8.检验假设： 在应用模型时，需要检验模型的假设是否成立，例如线性关系、常数方差、独立误差等。如果假设不成立，可能需要对模型进行修正或者选择其他的建模方法。 model.fittedvalues, color='red') plt.tight_layout() plt.show() # 绘制参数估计的置信区间 plt.figure(figsize=(8,
1.1K10编辑于 2024-06-15 - 来自专栏CSDN小华
数学建模--微分方程
在数学建模中，微分方程模型是一种极其重要的方法，广泛应用于各种实际问题的描述和解决。微分方程模型通过建立变量及其变化率之间的关系，可以预测和分析系统的行为。 结论 微分方程模型在数学建模中具有重要地位，它不仅能够全面深刻地揭示实际事物内在的动态关系，还能帮助我们做出相应的决策或对未来进行预测。 通过合理选择和应用不同的微分方程模型，可以有效地解决各类实际问题，提高建模的准确性和实用性。 如何在数学建模中准确识别和选择合适的微分方程模型？ 常微分方程（ODE）与偏微分方程（PDE）在数学建模中的优缺点分别是什么？ 在数学建模中，常微分方程（ODE）和偏微分方程（PDE）各有其优缺点。 例如，对于需要高精度和稳定性的复杂问题，龙格-库塔法和多步法是较好的选择； 数学建模中微分方程模型的最新研究进展有哪些？
3K10编辑于 2024-10-16 - 来自专栏全栈全栈
用 Python 做数学建模
前言 这里是用python解决数学建模的一些问题，用到的是python3.x，scipy，numpy和matplotlib。 先补充一些基本的数据知识。 np.array([(1,2),(3,4)],dtype=[('a','<i4'),('b','<i4')]) >>> x['a'] array([1, 3]) 正文 补充完一些基础的数据知识就开始接触真正的数学建模用到的类型知识了 这里不讨论具体问题，只涉及数学方程转换成函数语言进行求解的过程，参考书籍：数学建模算法与应用。 ? 1 ''' 2 max： z = 4x1 + 3x2 3 st: 2x1 + 3x2<=10 4 x1 + x2 <=8 5 x2 <= 7 6 x1,x2 > 0 7 ''' 8 9 from scipy.optimize import linprog 10 11 c = [4,3] #默认
2.1K21发布于 2020-03-17 - 来自专栏学习成长指南
数学建模---Matlab学习笔记
这个就是小猫走出山洞的平均时间； （3）二分法求解零点问题 我们这个二分法类似于变成里面的二分查找；由图像可得到，ab分别是函数图像的两个端点，二分法就是取出ab的中点c，让ac两点的函数值相乘（就是利用数学里面的零点存在定理 我们要把函数的零点存在区间缩小到ac之间（体现在代码里面就是赋值）； 如果结果大于0，说明c点处的函数值也是小于0的，我们就要把零点的存在区间缩小到cb之间，按照这样依次进行下去； 因为题目给了误差的范围是10的负8次方
27410编辑于 2025-02-24
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号