数学建模方法详解--16种常用算法资源-CSDN文库

需积分: 50 170 浏览量 2017-06-05 11:33:24 上传评论 3 收藏 1.89MB DOC 举报

资源详情

资源评论

数学建模方法详解--三十四种常用算法
目录
一、主成分分析法...................................................................................................................... ..... ..2
二、因子分析法.......................................................................................................................... ..... ..6
三、聚类分析...................................................................................................................................10
四、最小二乘法与多项式拟合..................................................................................................... ..17
五、方差分析法...............................................................................................................................24
六、逼近理想点排序法................................................................................................................. ..29
七、动态加权法...............................................................................................................................30
八、灰色关联分析法..................................................................................................................... ..33
九、灰色预测法...............................................................................................................................35
十、模糊综合评价...........................................................................................................................37
十一、时间序列分析法................................................................................................................. ..39
十二、蒙特卡罗(MC)仿真模型.....................................................................................................44
十三、BP 神经网络方法.................................................................................................................46
十四、数据包络分析法（DEA）..................................................................................................52
十五、多因素方差分析法（基于 SPSS）.....................................................................................55
十六、拉格朗日插值....................................................................................................................70
 

一、主成分分析法

一）、主成分分析法介绍：

主成分分析（principal components analysis，PCA）又称：主分量分析，主成分

回归分析法。旨在利用降维的思想，把多指标转化为少数几个综合指标。它是一个线性变

换。这个变换把数据变换到一个新的坐标系统中，使得任何数据投影的第一大方差在第一

个坐标(称为第一主成分)上，第二大方差在第二个坐标(第二主成分)上，依次类推。主成

分分析经常用减少数据集的维数，同时保持数据集的对方差贡献最大的特征。这是通过保

留低阶主成分，忽略高阶主成分做到的。这样低阶成分往往能够保留住数据的最重要方面

但是，这也不是一定的，要视具体应用而定。

二）、主成分分析法的基本思想：

在实证问题研究中，为了全面、系统地分析问题，我们必须考虑众多影响因素。这些

涉及的因素一般称为指标，在多元统计分析中也称为变量。因为每个变量都在不同程度上

反映了所研究问题的某些信息，并且指标之间彼此有一定的相关性，因而所得的统计数据

反映的信息在一定程度上有重叠。在用统计方法研究多变量问题时，变量太多会增加计算

量和增加分析问题的复杂性，人们希望在进行定量分析的过程中，涉及的变量较少，得到

的信息量较多。主成分分析正是适应这一要求产生的，是解决这类题的理想工具。

同样，在科普效果评估的过程中也存在着这样的问题。科普效果是很难具体量化的。

在实际评估工作中，我们常常会选用几个有代表性的综合指标，采用打分的方法来进行评

估，故综合指标的选取是个重点和难点。如上所述，主成分分析法正是解决这一问题的理

想工具。因为评估所涉及的众多变量之间既然有一定的相关性，就必然存在着起支配作用

的因素。根据这一点，通过对原始变量相关矩阵内部结构的关系研究，找出影响科普效果

某一要素的几个综合指标，使综合指标为原来变量的线性拟合。这样，综合指标不仅保留

了原始变量的主要信息，且彼此间不相关，又比原始变量具有某些更优越的性质，就使我

们在研究复杂的科普效果评估问题时，容易抓住主要矛盾。上述想法可进一步概述为：

设某科普效果评估要素涉及个指标，这指标构成的维随机向量为。对作正交变换，令，其

中为正交阵，的各分量是不相关的，使得的各分量在某个评估要素中的作用容易解释，这

就使得我们有可能从主分量中选择主要成分，削除对这一要素影响微弱的部分，通过对主

分量的重点分析，达到对原始变量进行分析的目的。的各分量是原始变量线性组合，不同

的分量表示原始变量之间不同的影响关系。由于这些基本关系很可能与特定的作用过程相

联系，主成分分析使我们能从错综复杂的科普评估要素的众多指标中，找出一些主要成分

以便有效地利用大量统计数据，进行科普效果评估分析，使我们在研究科普效果评估问题

中，可能得到深层次的一些启发，把科普效果评估研究引向深入。

例如，在对科普产品开发和利用这一要素的评估中，涉及科普创作人数百万人、科普作品

发行量百万人、科普产业化（科普示范基地数百万人）等多项指标。经过主成分分析计算

最后确定个或个主成分作为综合评价科普产品利用和开发的综合指标，变量数减少，并达

到一定的可信度，就容易进行科普效果的评估。

三）、主成分分析法的数学模型：

概括起来说，主成分分析主要由以下几个方面的作用。

1．主成分分析能降低所研究的数据空间的维数。即用研究 m 维的 Y 空间代替 p 维的 X 空

间(m＜p)，而低维的 Y 空间代替高维的 x 空间所损失的信息很少。即：使只有一个主成分

Yl(即 m＝1)时，这个 Yl 仍是使用全部 X 变量(p 个)得到的。例如要计算 Yl 的均值也得使用

全部 x 的均值。在所选的前 m 个主成分中，如果某个 Xi 的系数全部近似于零的话，就可以

把这个 Xi 删除，这也是一种删除多余变量的方法。

2．有时可通过因子负荷 aij 的结论，弄清 X 变量间的某些关系。

3．多维数据的一种图形表示方法。我们知道当维数大于 3 时便不能画出几何图形，多元统

计研究的问题大都多于 3 个变量。要把研究的问题用图形表示出来是不可能的。然而，经

过主成分分析后，我们可以选取前两个主成分或其中某两个主成分，根据主成分的得分，

画出 n 个样品在二维平面上的分布况，由图形可直观地看出各样品在主分量中的地位，进

而还可以对样本进行分类处理，可以由图形发现远离大多数样本点的离群点。

4．由主成分分析法构造回归模型。即把各主成分作为新自变量代替原来自变量 x 做回归分

析。

5．用主成分分析筛选回归变量。回归变量的选择有着重的实际意义，为了使

模型本身易于做结构分析、控制和预报，好从原始变量所构成的子集合中选择

最佳变量，构成最佳变量集合。用主成分分析筛选变量，可以用较少的计算量

来选择量，获得选择最佳变量子集合的效果。

六）、主成分分析法的计算步骤：

1、原始指标数据的标准化采集 p 维随机向量 x = (x

,...,U

)

)n 个样品 x

= (x

,...,d

)

，I=1,2,…,n，

n＞p，构造样本阵，对样本阵元进行如下标准化变换：

其中，得标准

化阵 Z。

2、对标准化阵

Z 求相关系数矩阵

其中, 。

3、解样本相关矩阵

R 的特征方程得 p

个特征根,确定主成分

按确定 m 值，使信息的利用

率达 85%以上，对每个 j

j=1,2,...,m, 解方程组 Rib =

b 得单位特征向量。

4、将标准化后的指标变量转换为主成分

称为第一主成分,U

称为第二主成分,…,U

称为第 p 主成分。

5 、对 m 个主成分进行综合评价

对 m 个主成分进行加权求和，即得最终评价值，权数为每个主成分的方差贡献

率。

PS 另一种易于理解的步骤：

剩余63页未读，继续阅读

评论收藏

内容反馈

数学建模方法详解--16种常用算法

评论0

最新资源

数学建模方法详解--16种常用算法

评论0

最新资源

相关推荐

数学建模常用算法

研究生数学建模大赛常用方法代码

数学建模10大常用算法+程序源码打包

数学建模的10种常用算法

数学建模方法详解--三十四种常用算法

数学建模方法详解--三种最常用算法.doc

数学建模方法详解--三十四种常用算法.pdf

数学建模方法详解--三十四种常用算法.doc

数学建模的常用方法及思想

数学建模常用算法、程序

数学建模常用的算法大全

数学建模中所需要模型

数学建模方法详解种最常用算法

数学建模十类常用经典算法汇总

数学建模常用算法详解及代码汇总

数学建模MATLAB必备程序源代码数学建模十大算法程序详解资料合集.zip

数学建模10大算法详解 程序源码打包

数学建模方法大全

常见30种数学建模模型

数学建模方法大汇总

《数学建模的29个通用模型》电子书（适合数学建模初学者）

数学建模常用算法模型

数学建模10大算法详解+程序源码打包

数学建模十大算法详解 程序源码打包

数学建模10大算法详解_程序源码打包.zip_打包算法程序_数学建模_数学建模源码_数学建模算法_数模

数学建模实用算法详解（含c或matlab代码）

数学建模竞赛常用算法大全

数学建模10大算法详解程序源码打包

数学建模十大算法详解程序源码打包