qq_41629564的博客

运用随机森林、逻辑回归、svm处理葡萄酒品质数据，对葡萄酒品质等级进行划分，做预测

连续时间下的随机控制，主要介绍动态规划原则，HJB方程（有限时间、无限时间、停时）、最优停时问题、粘性解以及脉冲控制 该书是对上述问题/模型/理论的基础介绍，不过多涉及深层次定理证明，适用于入门

讲泛函极值的变分法的基础入门课

对于网上常见的森林火灾模型进行整理和修改，得到着火树影响周围4格和周围8格的火灾模型，并且考虑了风对火扩张的影响，同时对树木着火数量+空地数量+绿树数量进行动态可视化

从github上转来的matlab降维工具箱，直接调用函数compute_mapping就可以运用各种降维方法。该函数包使用方法请自行百度。 由于是转的函数包，所以这里就设置2积分。。。(｀・ω・´)

2010-2015年美国人口普查数据excel，内容齐全，准确。其他也没啥好说的，这个文件是好几年前传的，不知道为啥所需积分被提高了？？？现在我重新改一下积分传一下

LOF算法：剔除异常值，用于数据量不大，使用简单，并具有可视化功能，可将异常数据在图上显示出来，方便耐用。。。。所需积分不知道为啥被提高了，在此重新改一下传

人工蜂群算法是模仿蜜蜂行为提出的一种优化方法，是集群智能思想的一个具体应用，它的主要特点是不需要了解问题的特殊信息，只需要对问题进行优劣的比较，通过各人工蜂个体的局部寻优行为，最终在群体中使全局最优值突现出来，有着较快的收敛速度。为了解决多变量函数优化问题，Karaboga提出了人工蜂群算法ABC模型（artificial bee colony algorithm）。

有关各种评价类模型讲解，其中包括：层次分析模型，模糊综合评价模型，神经网络评价模型

独立计量区域（DMA）管理是控制城市供水系统水量漏失的有效方法之一，通过对流入或流出这一区域的水量进行计量，对流量，压力的分析来识别泄漏水模式。 针对问题一，利用拉以达法则进行异常值剔除，运用NAR神经网络模型，结合混沌时间序算法优化模型，建立变种神经网络模型，将异常值剔除后的供水量数据输入神经网络训练，得到供水量拟合趋势曲线。查阅各个典型用水模式的相关供水量数据，作出趋势图，并与拟合后的趋势曲线对比，辨识出该DMA分区的典型用水模式为居民生活（小区）模式。 针对问题二，参考国际水协制定的漏失指数（ILI）性能指标，将供水量-压力进行危险等级划分：A-正常，B-一般异常，C-较异常，D-严重异常，E-源头漏损5类。建立DBSCAN聚类模型，利用逆高斯函数对minPts与EPts值进行优化，得到优化SA-DBSCAN模型。将所有数据放入模型中进行分类，得到异常数据和正常数据。通过SA-DBSCAN模型将异常数据分类，对照等级分类标准，对异常值进行等级量化，得到不同危险等级下的漏水量模式。 针对问题三，参考资料，将供水异常模式分为：明漏，暗漏，源头漏损，供水失窃。建立BP神经网络模型，结合GA遗传算法优化，得到GA-BP神经网络。将问题二中所得的正常数据消除固定数值背景漏水量之后，输入神经网络训练，将异常数据放入网络，得到正常的供水量数据，与原异常数据对比出异常幅度和持续时间，结合辨识出的居民生活（小区）用水模式，识别不同月份异常值产生的模式。四月用水异常模式为供水失窃；五月用水异常模式为明漏、暗漏及源头漏损；六月用水异常模式为明漏和暗漏。

常用算法程序包常用算法程序包常用算法程序包常用算法程序包常用算法程序包常用算法程序包常用算法程序包