2025MCM(B)

Fading Glaciers: Where to Find the Path to Sustainability in Juneau? Summary In this paper, we develop a single-objective nonlinear planning model bas


新型元启发式算法:开普勒优化算法(KOA)数学模型详解教程

引言 元启发式算法在解决复杂优化问题方面展现出卓越的性能,尤其是在传统数学方法难以应对的非线性、多模态或高维问题中。这些算法通常模拟自然界中的物理现象、生物行为或社会交互,通过迭代过程逐步逼近最优解。近年来,基于物理的元启发式算法因其独特的数学建模方式和强大的全局搜索能力而受到广泛关注。它们将物理定


CUMCM A题建模补漏

传热学 一维稳态热传导的傅里叶定律 q=-kA\frac{dT}{dx} 其中q是热流密度,表示的是单位时间通过这个截面的热量,k是对流交换系数,表征了传热速度,一般来说对于金属而言,其传热速率较快,木头则较慢。A是截面的面积,面积越大,单位时间内传输的热量便越大。 傅里叶定律也可以表示成如下的形式


DBSCAN聚类算法Python实战:从原理入门到可视化调参教程

相比于K-means需要事先指定k值且只能找到球形或凸形聚类、易将所有点分配到某个聚类,容易受异常值影响的缺点,DBscan由于考虑到了噪声点的影响,因此能够更好地完成聚类的任务。一般来说,当待分类的数据中,包含噪声数据,聚类形状不规则或者不知道聚类的具体数量的时候,我们常采用的是DBSCAN,而不


AGNES算法实战:用Python对西瓜数据集进行聚类(附源码)

K-means的缺点 K-means要求必须预设k值 - 需要事先知道或估计簇的数量,且其出初始点十分敏感,不同的初始中心可能导致不同结果,且其直接假设簇是球形的,这在一定程度上是不可能的,而层次聚类(hierarchical clustering)则没有这种问题,他在使用前不需要提前限定簇的个数,


Python实现购物篮分析:从Apriori到FP-Growth算法实战

以生活中常见的超市购物为例,我们熟知的啤酒与尿布故事是指某超市在对顾客购物习惯分析时,发现,男性顾客在购买婴儿尿片时,常常会顺便搭配几瓶啤酒来犒劳自己,于是尝试推出了将啤酒和尿布摆在一起的促销手段,最后使得啤酒与尿布销量双双提升。这是因为啤酒与尿布之间存在某种巧妙的相互关联,这种关联使得二者容易同时


数据包络分析(DEA)入门:从原理到DEAP软件实战教程

DEA是一种用来衡量、评价效率的一种有效数学模型,是运筹学、数理经济学与管理科学交叉研究的一个新领域,它是根据多项投入指标和多项产出指标,利用线性规划的方法,对具有可比性的同类型单位进行相对有效性评价的一种数量分析方法。 模型简介 以公司的办事效率作为评判对象,进行数据包络分析的简介,一个公司的办事


机器学习特征工程:独热编码(One-Hot)与相关性分析实战

独热编码 独热编码的概念 独热编码(one-hot)是解决无法量化类属性的优秀方法,其以简单高效的特点深受好评。例如我们在进行数据分类时会遇到一些特征:人的性别有男、女,人的国籍有中国,法国,德国....这些都是不能直接量化的变量。 假如使用[0,3]表示一个德国的男性,看似没有问题,实际 上是不可


MATLAB实现K-means与K-means++:从原理到代码的可视化教程

传统K-means 聚类分析是机器学习与数据挖掘中的一项重要任务,旨在将相似的数据对象划分为同一组(簇),同时确保不同组之间的差异性。在众多聚类算法中,K-means因其简洁性、高效性和可扩展性而成为最广泛使用的算法之一。K-means的核心思想是通过迭代优化,将数据划分为K个簇,使得每个数据点归属