正在检索范文
Papers
按题型、模型和关键词找相近题目。先看它用了什么模型，再决定自己怎么做。
以下内容均为 Demo / 示例数据，用于学习流程演示，不是真实获奖论文。
共 128 篇示例论文 · 第 5/11 页
核心模型：DBSCAN / PCA
关键词：异常 / 聚类
适合学习：★★★☆☆
中西部县域背景下的聚类题：用 dbscan / pca 完成「交通卡口异常轨迹识别」，重点练该题型的标准写法。
核心模型：GM(1,N) / 回归预测
关键词：多因素 / 灰色
中西部县域背景下的预测题：用 grey-gm1n / regression 完成「多因素影响下的粮食产量预测」，重点练该题型的标准写法。
核心模型：K-Means / PCA
关键词：分群 / 画像
中西部县域背景下的聚类题：用 kmeans / pca 完成「游客消费行为分群」，重点练该题型的标准写法。
核心模型：ARIMA / 灰色预测 / 回归预测
关键词：预测 / 交通拥堵 / 时间序列 / 趋势
适合学习：★★★★★
用灰色预测做小样本外推，再用 ARIMA 对照，讨论哪种更适合赛题数据。
核心模型：ARIMA / LSTM
关键词：预测 / 未来 / 神经网络
沿海城市背景下的预测题：用 arima / lstm 完成「用电负荷短期预测对照」，重点练该题型的标准写法。
核心模型：DEA / 回归预测
关键词：效率 / 评价
沿海城市背景下的评价题：用 dea / regression 完成「公立医院运行效率比较」，重点练该题型的标准写法。
核心模型：多项式回归 / 支持向量回归
关键词：非线性 / 预测
沿海城市背景下的预测题：用 svr / poly-reg 完成「非线性成本曲线拟合」，重点练该题型的标准写法。
核心模型：DBSCAN / K-Means
关键词：噪声 / 轨迹
沿海城市背景下的聚类题：用 dbscan / kmeans 完成「共享单车堆积热点识别」，重点练该题型的标准写法。
核心模型：K-Means / 线性规划
关键词：分群 / 优化
沿海城市背景下的综合类题：用 kmeans / lp 完成「客户分群后的库存优化」，重点练该题型的标准写法。
核心模型：熵权法 / 线性规划
关键词：评价 / 最优
中西部县域背景下的综合类题：用 entropy / lp 完成「公共自行车投放综合评价与优化」，重点练该题型的标准写法。
核心模型：CRITIC / 改进 TOPSIS
关键词：改进 / 排序
中西部县域背景下的评价题：用 topsis-improve / critic 完成「改进 TOPSIS 的物流枢纽排序」，重点练该题型的标准写法。
核心模型：NSGA-II / TOPSIS
关键词：帕累托 / 多目标
中西部县域背景下的优化题：用 nsga2 / topsis 完成「减排与增长的帕累托方案集」，重点练该题型的标准写法。