- 1.1 层次分析法模型部分
- 1.2 层次分析法代码讲解
- 2.1 优劣解距离法Topsis模型部分
- 2.2 优劣解距离法Topsis代码部分
- 2.3 Topsis代码为什么运行失败、得分结果怎么可视化以及权重的确定如何更加准确?
- 番外篇 利用熵权法来确定权重,并结合Topsis模型用于综合评价问题
- 【作业问题讲解】层次分析法_以物理为生的小金同学
- 【作业问题讲解93分】养殖场选择最佳养殖方案问题的评价模型( 层次分析法 TOPSIS法)_君竹
- 3 常见的插值算法(牛顿插值、拉格朗日插值、埃尔米特插值和样条插值算法)以及Matlab的操作
- 4 最小二乘拟合原理以及Matlab拟合工具箱的应用
- 5.1 对数据进行描述性统计以及皮尔逊相关系数的计算方法
- 5.2 回顾概率论与数理统计中进行假设检验的步骤
- 5.3 对计算出来的皮尔逊相关系数进行假设检验
- 5.4 对数据的检验检验数据是否服从正态分布
- 5.5 计算sperman相关系数并进行假设检验
- 6 计算两组变量之间的相关性:典型相关分析(canonical correlation analysis)
- 7.1 回归是什么以及回归有哪些形式?
- 7.2 数据的形式以及查找数据的来源
- 7.3 回归中对于线性的理解以及可能存在的内生性问题
- 7.4 如何在回归中引入虚拟变量、交互项?
- 7.5 讲解一道回归的例题:奶粉的评价量的影响因素分析
- 7.6 回归的错误使用,评价一篇论文
- 7.7 在毕业论文中运用回归分析,讲解我的毕业论文
- 7.8 回归中可能存在的异方差和多重共线性,以及如何进行逐步回归
- 8.1 图论是什么?怎么绘制出图论中的有向图和无向图?
- 8.2 求解最短路径的两个算法:迪杰斯特拉(Dijkstra))算法和贝尔曼福特(Bellman–Ford)算法
- 9.1 二分类问题的求解:逻辑回归logistic regression
- 9.2 LDA线性判别分析(Linear Discriminant Analysis)和多分类问题的求解
- 10.1 K均值聚类算法及其改进的算法
- 10.2 层次聚类(系统聚类)算法的讲解
- 10.3 具有噪声的基于密度的聚类方法:DBSCAN算法
- 11.1 什么是时间序列,如何进行时间序列分解?
- 11.2 七大种指数平滑方法的介绍
- 11.3 ARIMA模型的相关概念介绍
- 11.4 预测销量和人口数据
- 11.5 预测上证指数和国内生产总值增长率
- 12.1 灰色预测模型的原理推导,以及三种灰色预测模型的介绍
- 12.2 在Matlab中实现灰色预测模型
- 12.3 Matlab神经网络工具箱的使用
- 12.4 我的看法:到底怎么样去预测?
- 13.1 奇异值分解(Singular Value Decomposition)的原理
- 13.2 Matlab中对图片的压缩以及数据的处理方法
- 14.1 主成分分析(Principal Component Analysis,PCA)的原理
- 14.2 利用主成分分析对数据进行降维
- 因子分析第1部分: 降维的另一个重要模型:因子分析模型的原理
- 因子分析第2部分: 利用因子分析模型来对数据进行降维
- 更新:层次分析法中一种很特殊的情况讲解
- Ridge回归(岭回归)和Lasso(套索回归,)第1部分:多元线性回归模型的矩阵推导
- Ridge回归(岭回归)和Lasso(套索回归,)第2部分:原理
- Ridge回归(岭回归)和Lasso(套索回归,)第3部分:应用Lasso回归对变量进行筛选
- 灰色关联分析第1部分:系统分析
- 灰色关联分析第2部分:综合评价
- 弗洛伊德算法(Floyd算法)
- ARCH模型和GARCH模型第1部分:原理的介绍
- ARCH模型和GARCH模型第1部分:利用Garch模型预测上证指数增长率
- 数理统计部分的基础模型:均值假设检验(z检验、t检验等)
- EXCEL数据可视化第1部分:饼图(简单饼图和复合饼图)
- EXCEL数据可视化第2部分:柱状图(柱形图)和条形图
- EXCEL数据可视化第3部分:直方图(展示数据分布)
- EXCEL数据可视化第4部分:折线图(时间序列图)
- EXCEL数据可视化第5部分:散点图(描述数据的相关关系)
- EXCEL数据可视化第6部分:箱线图(对比两组变量的均值、中位数以及分布情况)
- 00简介
- 01层次分析法
- 02多属性决策模型
- 03灰色预测
- 04图论模型-dijstra算法
- 05图论模型-Floyd算法
- 06模拟退火算法
- 07种群竞争模型
- 08排队论
- 09线性规划模型
- 10非线性规划与01规划模型
- 11主成分分析法
- 12聚类分析
- 13多元回归分析
MATLAB是由美国Mathworks公司发布的主要面对科学计算、可视化以及交互式程序设计的高级计算环境。它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中,为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案,并在很大程度上摆脱了传统非交互式程序设计语言的编辑模式,同时一年两个版本的更新使得MATLAB软件代表了当今国际科学计算软件的先进水平。MATLAB拥有丰富的算法工具箱,因此在工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域都能看到它的身影,可谓是无处不在。
课程大纲所有关于MATLAB软件的讲解都是基于代码与案例的,采用边讲解边实践模式,欢迎学员事先提供自己在工作学习中遇到的MATLAB问题,课程中会选择有代表性的案例进行探讨。