数学建模聚类分析论文

数学建模聚类分析论文

　　数学建模论文写作

　　一、写好数模答卷的重要性
　　1. 评定参赛队的成绩好坏、高低，获奖级别，数模答卷，是唯一依据。
　　2. 答卷是竞赛活动的成绩结晶的书面形式。
　　3. 写好答卷的训练，是科技写作的一种基本训练。
　　二、答卷的基本内容，需要重视的问题
　　1．评阅原则
　　假设的合理性，建模的创造性，结果的合理性，表述的清晰程度。
　　2．答卷的文章结构
　　题目（写出较确切的题目；同时要有新意、醒目）
　　摘要（200-300字，包括模型的主要特点、建模方法和主要结论）
　　关键词（求解问题、使用的方法中的重要术语）
　　1）问题重述。
　　2）问题分析。
　　3）模型假设。
　　4）符号说明。
　　5）模型的建立（问题分析，公式推导，基本模型，最终或简化模型等）。
　　6）模型求解（计算方法设计或选择；算法设计或选择，算法思想依据，步骤及实现，计算框图；所采用的软件名称；引用或建立必要的数学命题和定理；求解方案及流程。）
　　7）进一步讨论（结果表示、分析与检验，误差分析，模型检验）
　　8）模型评价（特点，优缺点，改进方法，推广。）
　　9）参考文献。
　　10）附录（计算程序，框图；各种求解演算过程，计算中间结果；各种图形，表格。）
　　3. 要重视的问题
　　1）摘要。
　　包括：
　　a. 模型的数学归类（在数学上属于什么类型）；
　　b. 建模的思想（思路）；
　　c. 算法思想（求解思路）；
　　d. 建模特点（模型优点，建模思想或方法，算法特点，结果检验，灵敏度分析，模型检验……）；
　　e. 主要结果（数值结果，结论；回答题目所问的全部“问题”）。
　　▲ 注意表述：准确、简明、条理清晰、合乎语法、要求符合文章格式。务必认真校对。
　　2）问题重述。
　　3）问题分析。
　　因素之间的关系、因素与环境之间的关系、因素自身的变化规律、确定研究的方法或模型的类型。
　　5）模型假设。
　　根据全国组委会确定的评阅原则，基本假设的合理性很重要。
　　a. 根据题目中条件作出假设
　　b. 根据题目中要求作出假设
　　关键性假设不能缺；假设要切合题意。
　　6） 模型的建立。
　　a. 基本模型：
　　ⅰ）首先要有数学模型：数学公式、方案等；
　　ⅱ）基本模型，要求完整，正确，简明；
　　b. 简化模型：
　　ⅰ）要明确说明简化思想，依据等；
　　ⅱ）简化后模型，尽可能完整给出；
　　c. 模型要实用，有效，以解决问题有效为原则。
　　数学建模面临的、要解决的是实际问题，不追求数学上的高（级）、深（刻）、难（度大）。
　　ⅰ）能用初等方法解决的、就不用高级方法；
　　ⅱ）能用简单方法解决的，就不用复杂方法；
　　ⅲ）能用被更多人看懂、理解的方法，就不用只能少数人看懂、理解的方法。
　　d．鼓励创新，但要切实，不要离题搞标新立异。数模创新可出现在：
　　▲ 建模中，模型本身，简化的好方法、好策略等；
　　▲ 模型求解中；
　　▲ 结果表示、分析、检验，模型检验；
　　▲ 推广部分。
　　e．在问题分析推导过程中，需要注意的问题：
　　ⅰ）分析：中肯、确切；
　　ⅱ）术语：专业、内行；
　　ⅲ）原理、依据：正确、明确；
　　ⅳ）表述：简明，关键步骤要列出；
　　ⅴ）忌：外行话，专业术语不明确，表述混乱，冗长。
　　7）模型求解。
　　a. 需要建立数学命题时：
　　命题叙述要符合数学命题的表述规范，尽可能论证严密。
　　b. 需要说明计算方法或算法的原理、思想、依据、步骤。
　　若采用现有软件，说明采用此软件的理由，软件名称。
　　c. 计算过程，中间结果可要可不要的，不要列出。
　　d. 设法算出合理的数值结果。
　　8） 结果分析、检验；模型检验及模型修正；结果表示。
　　a. 最终数值结果的正确性或合理性是第一位的；
　　b. 对数值结果或模拟结果进行必要的检验；
　　结果不正确、不合理、或误差大时，分析原因， 对算法、计算方法、或模型进行修正、改进。
　　c. 题目中要求回答的问题，数值结果，结论，须一一列出；
　　d. 列数据问题：考虑是否需要列出多组数据，或额外数据对数据进行比较、分析，为各种方案的提出提供依据；
　　e. 结果表示：要集中，一目了然，直观，便于比较分析。
　　▲ 数值结果表示：精心设计表格；可能的话，用图形图表形式。
　　▲ 求解方案，用图示更好。
　　9）必要时对问题解答，作定性或规律性的讨论。最后结论要明确。
　　10）模型评价
　　优点突出，缺点不回避。
　　改变原题要求，重新建模可在此做。
　　推广或改进方向时，不要玩弄新数学术语。
　　11）参考文献
　　12）附录
　　详细的结果，详细的数据表格，可在此列出，但不要错，错的宁可不列。主要结果数据，应在正文中列出，不怕重复。

　　检查答卷的主要三点，把三关：
　　a. 模型的正确性、合理性、创新性
　　b. 结果的正确性、合理性
　　c. 文字表述清晰，分析精辟，摘要精彩

　　三、关于写答卷前的思考和工作规划
　　答卷需要回答哪几个问题――建模需要解决哪几个问题；
　　问题以怎样的方式回答――结果以怎样的形式表示；
　　每个问题要列出哪些关键数据――建模要计算哪些关键数据；
　　每个量，列出一组还是多组数――要计算一组还是多组数。

　　四、答卷要求的原理
　　1. 准确――科学性；
　　2. 条理――逻辑性；
　　3. 简洁――数学美；
　　4. 创新――研究、应用目标之一，人才培养需要；
　　5. 实用――建模、实际问题要求。

　　五、建模理念
　　1. 应用意识
　　要解决实际问题，结果、结论要符合实际；
　　模型、方法、结果要易于理解，便于实际应用；站在应用者的立场上想问题，处理问题。
　　2. 数学建模
　　用数学方法解决问题，要有数学模型；
　　问题模型的数学抽象，方法有普适性、科学性，不局限于本具体问题的解决。
　　3. 创新意识
　　建模有特点，更加合理、科学、有效、符合实际；更有普遍应用意义；不单纯为创新而创新。

数学建模论文中大量数据如何处理

①根据某些特定的标准剔除过多的数据，比如：spss，SAS，EXCEL；
②对余下的数据进行处理，；
③数据过多的时候，把相类似的数据看作是一个数据群，再基于这些群进行研究；
④可以尝试一下SPSs里面的聚类分析之类的功能。

补充：
数学建模是利用数学方法解决实际问题的一种实践。即通过抽象、简化、假设、引进变量等处理过程后，将实际问题用数学方式表达，建立起数学模型，然后运用先进的数学方法及计算机技术进行求解。
数学建模将各种知识综合应用于解决实际问题中，是培养和提高学生应用所学知识分析问题、解决问题的能力的必备手段之一。
数学建模是使用数学模型解决实际问题。

数学建模问题分析怎么写

问题分析就是先把问题归类，看看问题可以用哪些方法求解。把你用来解决问题的方法大致概述一下即可。问题分析如果是写实际的问题需要结合实际，分析这个问题的讨论必要性、重要性之类的。大概300百个字就差不多了。

数学建模算法总结

无总结反省则无进步

写这篇文章，一是为了总结之前为了准备美赛而学的算法，而是将算法罗列并有几句话解释方便以后自己需要时来查找。

数学建模问题总共分为四类：

1. 分类问题 2. 优化问题 3. 评价问题 4. 预测问题

我所写的都是基于数学建模算法与应用这本书

一 优化问题

线性规划与非线性规划方法是最基本经典的：目标函数与约束函数的思想

现代优化算法：禁忌搜索；模拟退火；遗传算法；人工神经网络

模拟退火算法：

简介：材料统计力学的研究成果。统计力学表明材料中不同结构对应于粒子的不同能量水平。在高温条件下，粒子的能量较高，可以自由运动和重新排列。在低温条件下，粒子能量较低。如果从高温开始，非常缓慢地降温（此过程称为退火），粒子就可以在每个温度下达到热平衡。当系统完全被冷却时，最终形成处于低能状态的晶体。

思想可用于数学问题的解决 在寻找解的过程中，每一次以一种方法变换新解，再用退火过程的思想，以概率接受该状态（新解） 退火过程：概率转化，概率为自然底数的能量/KT次方

遗传算法： 遗传算法是一种基于自然选择原理和自然遗传机制的搜索算法。模拟自然界中的生命进化机制，在人工系统中实现特定目标的优化。

遗传算法的实质是通过群体搜索技术（？），根据适者生存的原则逐代进化，最终得到最优解或准最优解。

具体实现过程（P329~331）

* 编码

* 确定适应度函数（即目标函数）

* 确定进化参数：群体规模M，交叉概率Pc，变异概率Pm，进化终止条件

* 编码

* 确定初始种群，使用经典的改良圈算法

* 目标函数

* 交叉操作

* 变异操作

* 选择

改良的遗传算法

两点改进 ：交叉操作变为了以“门当户对”原则配对，以混乱序列确定较差点位置 变异操作从交叉操作中分离出来

二 分类问题（以及一些多元分析方法）

* 支持向量机SVM

* 聚类分析

* 主成分分析

* 判别分析

* 典型相关分析

支持向量机SVM： 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面最远

聚类分析（极其经典的一种算法）： 对样本进行分类称为Q型聚类分析 对指标进行分类称为R型聚类分析

基础：样品相似度的度量——数量化，距离——如闵氏距离

主成分分析法： 其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，将掌握的许多相关性很高的变量转化成彼此相互独立或不相关的变量。通常是选出比原始变量个数少，能解释大部分资料中的变异的几个新变量，及主成分。实质是一种降维方法

判别分析： 是根据所研究的个体的观测指标来推断个体所属类型的一种统计方法。判别准则在某种意义下是最优的，如错判概率最小或错判损失最小。这一方法像是分类方法统称。 如距离判别，贝叶斯判别和FISHER判别

典型相关分析： 研究两组变量的相关关系 相对于计算全部相关系数，采用类似主成分的思想，分别找出两组变量的各自的某个线性组合，讨论线性组合之间的相关关系

三 评价与决策问题

评价方法分为两大类，区别在于确定权重上：一类是主观赋权：综合资讯评价定权；另一类为客观赋权：根据各指标相关关系或各指标值变异程度来确定权数

* 理想解法

* 模糊综合评判法

* 数据包络分析法

* 灰色关联分析法

* 主成分分析法（略）

* 秩和比综合评价法 理想解法

思想：与最优解（理想解）的距离作为评价样本的标准

模糊综合评判法 用于人事考核这类模糊性问题上。有多层次模糊综合评判法。

数据包络分析法 是评价具有多指标输入和多指标输出系统的较为有效的方法。是以相对效率为概念基础的。

灰色关联分析法 思想：计算所有待评价对象与理想对象的灰色加权关联度，与TOPSIS方法类似

主成分分析法（略）

秩和比综合评价法 样本秩的概念： 效益型指标从小到大排序的排名 成本型指标从大到小排序的排名 再计算秩和比，最后统计回归

四 预测问题

* 微分方程模型

* 灰色预测模型

* 马尔科夫预测

* 时间序列（略）

* 插值与拟合（略）

* 神经网络

微分方程模型 Lanchester战争预测模型。。

灰色预测模型 主要特点：使用的不是原始数据序列，而是生成的数据序列 优点：不需要很多数据·，能利用微分方程来充分挖掘系统的本质，精度高。能将无规律的原始数据进行生成得到规律性较强的生成序列。 缺点：只适用于中短期预测，只适合指数增长的预测

马尔科夫预测 某一系统未来时刻情况只与现在状态有关，与过去无关。

马尔科夫链

时齐性的马尔科夫链

时间序列（略）

插值与拟合（略）

神经网络（略）