2014全国大学生数学建模竞赛A题论文示范(3)

w1=[0.25 0.25 0.5]; w2=[0.25 0.25 0.5]; b(1,:)=w1*a([1:3],:); b(2,:)=w2*a([4:6],:); c=w*b

2．问题二中模型二：聚类分析

视频1程序代码（源代码：moxinger.m） clc,clear load hua.txt

gj=zscore(hua); %数据标准化

y=pdist(hua); %求对象间的欧氏距离,每行是一个对象

仅供参考

z=linkage(y,'average'); %按类平均法聚类 h=dendrogram(z); %画聚类图

set(h,'Color','k','LineWidth',1.3) %把聚类图线的颜色改成黑色，线宽加粗 for k=3:5

fprintf('划分成%d类的结果如下：\n',k)

T=cluster(z,'maxclust',k); %把样本点划分成k类 for i=1:k

tm=find(T==i); %求第i类的对象

tm=reshape(tm,1,length(tm)); %变成行向量

fprintf('第%d类的有%s\n',i,int2str(tm)); %显示分类结果 end if k==5 break end

fprintf('**********************************\n'); end

视频二程序代码（源代码：p4.m）： clc,clear load hu.txt

gj=zscore(hu); %数据标准化

y=pdist(hu); %求对象间的欧氏距离,每行是一个对象 z=linkage(y,'average'); %按类平均法聚类 h=dendrogram(z); %画聚类图

set(h,'Color','k','LineWidth',1.3) %把聚类图线的颜色改成黑色，线宽加粗 for k=3:5

fprintf('划分成%d类的结果如下：\n',k)

T=cluster(z,'maxclust',k); %把样本点划分成k类 for i=1:k

tm=find(T==i); %求第i类的对象

tm=reshape(tm,1,length(tm)); %变成行向量

fprintf('第%d类的有%s\n',i,int2str(tm)); %显示分类结果

仅供参考

end if k==5 break end

fprintf('**********************************\n'); end

3．问题四中模型：非线性回归法（源代码：p5.m）

xy0=[120 1200 0.6 10 120 930 0.5 300 120 840 0.4 172 120 760 0.5 65 120 1100 0.3 60 120 900 0.6 90 120 890 0.7 560 ];

x=xy0(:,[2:4]); y=xy0(:,1);

huaxue=@(beta,x)

(beta(1)-x(:,1).*beta(1).*beta(2)./x(:,2)).*(beta(3).*x(:,1)-x(:,3)); beta0=[0.05,0.005,0.02]';

[beta,r,j]=nlinfit(x,y,huaxue,beta0) betaci=nlparci(beta,r,'jacobian',j)

[yhat,delta]=nlpredci(huaxue,x,beta,r,'jacobian',j)

运行结果： beta =

0.0001 1.0243 -0.3253 r =

28.4765 -8.0898 13.1246 65.7630 -55.1525 54.3847 -3.4178 j =

1.0e+006 *

0.8056 0.0001 -0.0003 1.1274 0.0001 -0.0002 0.9407 0.0001 -0.0002 0.4774 0.0001 -0.0001 1.5416 0.0002 -0.0005

仅供参考

0.5775 0.0001 -0.0002 1.0863 0.0001 -0.0001

betaci =

1.0e+003 *

-0.0005 0.0005 -4.2144 4.2165 -0.0015 0.0008

yhat =

91.5235 128.0898 106.8754 54.2370 175.1525 65.6153 123.4178

delta =

1.0e+004 *

1.3405 1.8908 1.5770 0.7937 2.5870 0.9604

1.8150