多属性决策的TOPSIS算法。
其中leibie.mat可修改各个属性效益型or成本型,效益型即为1,成本型即为-1。
shuxing.mat可修改各个方案的评价值。
最终输出的index为最终的排名结果。
2024/9/27 20:07:24 972B 多属性算法
1
运用matlab编制的Topsis评价程序。
2024/5/17 0:34:22 1KB Topsis Matlab
1
关于2018年美国大学生数学建模C题国际一等奖获奖论文,包括神经网络算法、回归方程、Topsis等算法数学模型的应用。
2023/9/10 0:07:29 840KB 数学建模 Topsis 神经网络 回归方程
1
基于信息熵和TOPSIS法的目标威胁评估及排序
2023/9/7 20:03:40 305KB 信息熵 TOPSIS 目标威胁评估
1
matlab罕用代码大全,帮手你科研,论文实证阐发,数模竞赛第44章条理阐发法第45章灰色联系瓜葛度第46章熵权法第47章主成份阐发第48章主成份回归第49章偏最小二乘第50章垂垂回归阐发第51章模拟退火第52章RBF,GRNN,PNN-神经收集第53章相助神经收集与SOM神经收集第54章蚁群算法tsp求解第55章灰色料想GM1-1第56章模糊综合评估第57章交织验证神经收集第58章多项式拟合plotfit第59章非线性拟合lsqcurefit第60章kmeans聚类第61章FCM聚类第62章arima功夫序列第63章topsis第1章BP神经收集的数据分类——语音特色信号分类第2章BP神经收集的非线性体系建模——非线性函数拟合第3章遗传算法优化BP神经收集——非线性函数拟合第4章神经收集遗传算法函数极值寻优——非线性函数极值寻优第5章基于BP_Adaboost的强分类器方案——公司财政预警建模第6章PID神经元收集解耦抑制算法——多变量体系抑制第7章RBF收集的回归--非线性函数回归的实现第8章GRNN收集的料想----基于狭义回归神经收集的货运量料想第9章离散Hopfield神经收集的遥想影像——数字识别第10章离散Hopfield神经收集的分类——高校科研才气评估第11章络续Hopfield神经收集的优化——遨游商下场优化盘算第12章初始SVM分类与回归第13章LIBSVM参数实例详解第14章基于SVM的数据分类料想——意大利葡萄酒品种识别第15章SVM的参数优化——若何更好的提升分类器的成果第16章基于SVM的回归料想阐发——上证指数收盘指数料想.第17章基于SVM的信息粒化时序回归料想——上证指数收盘指数变更趋向以及变更空间料想第18章基于SVM的图像联系-真玄色图像联系第19章基于SVM的手写字体识别第20章LIBSVM-FarutoUltimate货物箱及GUI版本介绍与使用第21章自结构相助收集在方式分类中的使用—患者癌症发病料想第22章SOM神经收集的数据分类--柴油机缺陷诊断第23章Elman神经收集的数据料想----电力负荷料想模子钻研第24章概率神经收集的分类料想--基于PNN的变压器缺陷诊断第25章基于MIV的神经收集变量遴选----基于BP神经收集的变量遴选第26章LVQ神经收集的分类——乳腺肿瘤诊断第27章LVQ神经收集的料想——人脸朝向识别第28章遴选树分类器的使用钻研——乳腺癌诊断第29章极限学习机在回归拟合及分类下场中的使用钻研——比力试验第30章基于随机森林脑子的组合分类器方案——乳腺癌诊断第31章脑子进化算法优化BP神经收集——非线性函数拟合第32章小波神经收集的功夫序列料想——短时交通流量料想第33章模糊神经收集的料想算法——嘉陵江水质评估第34章狭义神经收集的聚类算法——收集入侵聚类第35章粒子群优化算法的寻优算法——非线性函数极值寻优第36章遗传算法优化盘算——建模自变量降维第37章基于灰色神经收集的料想算法钻研——定单需要料想第38章基于Kohonen收集的聚类算法——收集入侵聚类第39章神经收集GUI的实现——基于GUI的神经收集拟合、方式识别、聚类第40章动态神经收集功夫序列料想钻研——基于MATLAB的NARX实现第41章定制神经收集的实现——神经收集的本能化建模与仿真第42章并背运算与神经收集——基于CPU/GPU的并行神经收集运算第43章神经收集高效编程本领——基于MATLABR2012b新版本特色的谈判
2023/5/9 23:33:27 12.05MB matlab 神经网络
1
此教程用约莫,欺人太甚的语言教学了topsis模糊综合评估模子,是初学者的一个好遴选
2023/5/2 20:12:14 2.39MB topsis 模糊综合评价
1
多属性决策TOPSIS方法matlab程序,可以直接加载到matlab后调用,A为评价矩阵,w为权重,输入后运转就可以得到方案排序
2023/2/17 7:45:33 919B TOPSIS matlab 多属性决策
1
用于数据处理与建树数学模型,TOPSIS方法的详细步骤及举例,
2021/8/8 8:43:17 221KB SHUJUCHULI
1
用于数据处理与建树数学模型,TOPSIS方法的详细步骤及举例,
2021/8/8 8:43:17 221KB SHUJUCHULI
1
,利用TOPSIS法计算网络训练理想输出样本值。
首先建立起包括3个投入和4个产出的企业技术创新测度评价目标体系,然后根据综合评价要求和网络训练学习的可行性、有效性,设计出3.1O.1拓扑结构的BP神经网络模型,其中,网络输入为3个技术创新投入测度,网络输出为1个技术创新测度评价值,而用于神经网络训练学习的理想输出是根据4个技术创新产出测度,运用TOPSIS法计算得出的综合评价值。
实证部分,以9家上市企业近四年技术创新投入产出目标值样本为例,运用本文所提出的方法,借助MATLAB神经网络工具箱,通过大量的学习样本的测试和训练,使模型的误差值达到预定的范围内,从而建立起可用于企业技术创新测度综合评价的神经网络模型。
2017/8/12 4:40:07 976B topsis matlab 源码
1
共 11 条记录 首页 上一页 下一页 尾页
在日常工作中,钉钉打卡成了我生活中不可或缺的一部分。然而,有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚,我总是得牢记打开钉钉应用,点击"工作台",再找到"考勤打卡"进行签到。有时候因为工作忙碌,会忘记打卡,导致考勤异常,影响当月的工作评价。而且,由于我使用的是苹果手机,有时候系统更新后,钉钉的某些功能会出现异常,使得打卡变得更加麻烦。 另外,我的家人使用的是安卓手机,他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说,每次打卡都是一次挑战。他们总是担心自己会操作失误,导致打卡失败。 为了解决这些烦恼,我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习,我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03 15KB 钉钉 钉钉打卡