- Lesson 1
- Lesson 2
- Lesson 3
- Lesson 4
- Lesson 5
- Lesson 6
- Lesson 7
- 第一节课
- 第二节课
- 第三节课
- 第四节课
- 第五节课
- 第六节课
- 第七节课
- 第八节课
- 典型相关分析1
- 典型相关分析2
- 典型相关分析3
- 对应分析1
- 对应分析2
- 对应分析3
- 多目标规划1
- 多目标规划2
- 多目标规划3
- 聚类分析上1
- 聚类分析上2
- 聚类分析上3
- 聚类分析上4
- 聚类分析下1
- 聚类分析下2
- 聚类分析下3
- 卷积神经网络应用1
- 卷积神经网络应用2
- 卷积神经网络应用3
- 美赛试题讲解
- 美赛数模智能算法之模拟退火算法
- 模智能算法之粒子群算法(上)
- 模智能算法之粒子群算法(下)
- 偏最小二乘回归分析1
- 偏最小二乘回归分析2
- 偏最小二乘回归分析3
- 神经网络编程和案例分享
- 神经网络基本应用领域
- 神经网络基本原理
- 时间序列
- 数模智能算法之遗传算法(上)
- 数模智能算法之遗传算法(下)
- 数学建模线性规划
- 数字图像识别1
- 数字图像识别2
- 小波分析应用1
- 小波分析应用2
- 小波分析应用3
- 因子分析
- 支持向量机
- 主成分分析
- 综合评价与决策方法1
- 综合评价与决策方法2
- 综合评价与决策方法3
- 综合评价与决策方法4
- 综合评价与决策方法5
- 综合评价与决策方法6
- 综合预测方法1
- 综合预测方法2
- 综合预测方法3
课程介绍
适用人群:数学建模国赛参赛者、数学建模爱好者课程特点:课程注重比赛获奖技巧、围绕国赛重难点进行授课,课程配备常用算法的实现代码、方便同学快速掌握算法的应用;同时课程的讲义,大家打印出来后,参赛期间会更加的有利于获奖。
课程设置
第一讲
国赛最后一周——最后一天如何备战
第二讲
评价类算法及如何通过MATLAB等实现:单指标评价、主客观赋权、无量化标准化、层次分析法、熵权法、主成分分析、聚类分析、TOPSIS法、灰色关联、模糊综合评价等第三讲
预测类算法及如何通过MATLAB等实现:插值拟合、灰色预测、多元线性回归、时间序列、微分方程、马尔科夫、神经网络等
第四讲
优化类算法及如何通过MATLAB等实现:非线性规化、多目标规划、遗传算法;参数检验、非参数检验、方差分析、元胞自动机等其他方法;第五讲
历年赛题分析;赛题思路框架如何构建;第六讲
论文写作与排版;比赛获奖技巧;如何编论文;第七讲
赛前注意事项;其他需要掌握的内容;