數學建模圖像分割題如何做

⑴ 數學建模怎麼做

先選好題目，一般有A、B題，針對本科而言，然後進行題目的分析，深入挖掘題目所反映的實際問題，牽涉到管理工程、物理、生物、數學等一些與實際生活密切相關的交叉學科比較前沿的問題，題目分析後，進行模型的選擇，數學建模培訓都會學一些演算法、模型等。選完後，要根據題目想想模型適用嗎？得到結果正確嗎？如果不正確應該怎麼樣模擬、模擬？等問題，然後進行模型求解，一般來說A題都要求結果偏差不能太大，而B題的話，結果比較開放。最後進行模型結果的檢驗和模型應用的推廣。主要步驟就這些，不知道答案是否和你心意。呵呵

⑵ 數學建模怎麼做

傳統的觀點
數學=邏輯的推理
數學=思想的體操
數學=難題的求解
數學——研究數和空間圖形的科學。
特點：系統性、精確性、抽象性

2. 數學模型的特點

數學模型：用圖形、符號所刻畫的一個實際問題的模型。這里的實際問題既包涵具體的自然現象比如自由落體現象，也包涵抽象的現象比如顧客對某種商品所取的價值傾向。
我們也可以這樣直觀地理解這個概念：數學建模是一個讓純粹數學家（指只懂數學不懂數學在實際中的應用的數學家）變成物理學家，生物學家，經濟學家甚至心理學家等等的過程。

3. 數學模型的分類

按不同的分類標准可作如下不同的分類：
第一，按模型的應用領域的不同可分為人口模型、交通模型、環境模型、生態模型、水資源模型、城市規劃模型、生產過程模型等。
第二，按建立模型所採用的方法分為初等數學模型、幾何模型、微分方程模型、圖論模型、馬氏鏈模型、最優化模型等。
第三，按模型的特性分，有確定性模型和隨機性模型、靜態模型和動態模型、離散模型和連續模型等。
第四，按建模的目的分為描述模型、模擬模型、分析模型、預報模型、 優化模型、決策模型、控制模型等。
第五，按照對模型結構和參數的了解程度可分為三種模型：模型的結構和參數都是已知的，稱為白箱模型；只知其結構，參數未知的稱為灰箱模型；結構和參數均為未知的模型稱為黑箱模型。
�8�5
二、建立數學模型的程序及簡單舉例

1.建立數學模型的程序

數學建模—是一個過程：

A 模型准備

要求建模者深刻了解實際問題的背景, 明確建模的目的; 進行全面深入細致的調查研究, 盡量掌握建模對象的各種信息; 找出實際問題的內在規律. 這是向實際工作者和有關專家學習的過程.

B 模型假設

現實問題涉及面廣, 一般不可能面面俱到, 必須根據調查得到的信息, 將實際問題簡化、理想化. 這就要求抓住主要因素, 拋棄次要因素, 提出恰當的假設. 在提出假設時, 如考慮因素過多, 模型過於復雜就無法求解; 反之如考慮因素過少, 模型十分粗糙, 就會與實際情況不符. 一個較理想的數學模型往往要多次修改假設才能得到.

C 模型建立

利用恰當的數學工具建立各種量 (常量和變數) 之間的數學關系. 建模時究竟採用何種數學工具要根據問題的特徵、建模的目的以及建模者的數學特長而定. 可以這樣說, 在建立模型時可能用到數學的任一分支; 同一實際問題可以用不同的數學方法建立不同的模型. 一般而言, 在達到預期目標的前提下, 應採用盡可能簡單的數學工具以便為更多的人接受和使用.

D 模型求解

包括求解各種類型的方程、畫圖、列表、證明定理、邏輯運算、上機計算和製作軟體包等.

E 模型分析和檢驗

根據模型的特點和模型求解的結果, 分析各種變數之間的依賴關系、穩定性質, 作出預測、最優決策與控制, 然後將分析的結果與客觀的實際情況比較, 檢驗模型的合理性和適用范圍. 如果不合理, 則修改原來的假設重新建模, 直到模型求解結果符合實際情況和建模的要求為止.

F 模型應用

⑶ 請教各位高手一個簡單的數學建模問題,謝謝,如何將一個不規則的蛋糕平分成兩部分........

可以先將它分成規則圖形幾份,每份切一半,把每份切的半個聚集在一起,就是這塊蛋糕的一半了.

⑷ 【高懸賞】跪求一道數學建模題的詳細解答 x=[66 49 71 56 38],繪制餅圖，並將第五個切塊分離出來。

這樣的能看懂嗎

⑸ 機器人視覺系統中圖像分割技術傳統方法概論1

姓名：寇世文

學號：21011110234

【嵌牛導讀】：隨著人工智慧技術的不斷發展，智能機器人領域也得到了空前的發展。尤其是深度神經網路廣泛應用於視覺系統中後，取得了許多很明顯的成效。對於自主移動機器人來說，視覺系統有著十分重要的作用，而圖像分割技術更是在這個系統中擔任著十分重要的角色。傳統的圖像分割技術基本上已經能夠將圖像的前景和後景分隔開來，但是近年來隨著深度學習演算法的發展，人們開始將其應用到圖像分割中，提出了很多分割網路，也達到了很好的分割效果。在實現圖像分割的基礎上，人們還使得分割具有了語義類別和標簽，就是現在的語義分割。本文在介紹了語義分割的基礎上又引出了新的任務分割場景，實例分割和全景分割。並且介紹了最近研究的熱點三維點雲的語義分割問題，闡述了其實現的必要性。

【嵌牛鼻子】智能機器人，圖像分割、語義分割、計算機視覺

【嵌牛提問】圖像分割技術的傳統常見方法

【嵌牛正文】

一、引言

        計算機視覺，即computer vision，就是通過計算機來模擬人的視覺工作原理，來獲取和完成一系列圖像信息處理的機器。計算機視覺屬於機器學習在視覺領域的應用，是一個多學科交叉的研究領域，其涉及數學、物理、生物、計算機工程等多個學科。

計算機視覺的主要應用有無人駕駛、人臉識別、無人安防、車輛車牌識別、智能傳圖、3D重構、VR/AR、智能拍照、醫學圖像處理、無人機、工業檢測等。人駕駛又稱自動駕駛，是目前人工智慧領域一個比較重要的研究方向，讓汽車可以進行自主駕駛，或者輔助駕駛員駕駛，提升駕駛操作的安全性。人臉識別技術目前已經研究得相對比較成熟，並在很多地方得到了應用，且人臉識別准確率目前已經高於人眼的識別准確率。安防一直是我國比較重視的問題，也是人們特別重視的問題，在很多重要地點都安排有巡警巡查，在居民小區以及公司一般也都有保安巡查來確保安全。車輛車牌識別目前已經是一種非誠成熟的技術了，高速路上的違章檢測，車流分析，安全帶識別，智能紅綠燈，還有停車場的車輛身份識別等都用到了車輛車牌識別。3D重構之前在工業領域應用比較多，可以用於對三維物體進行建模，方便測量出物體的各種參數，或者對物體進行簡單復制。計算機視覺還有很多應用，隨著技術的發展，應用領域也會越來越多。在工業領域的應用，在機器人技術方面的應用等。

對於傳統的圖像分割過程，通常可以分為5個步驟，即特徵感知、圖像預處理、特徵提取、特徵篩選和推理預測與識別。通過研究發現，在視覺的早期的發展過程中，人們對於圖像中的特徵並沒有表現出足夠的關注。且傳統的分割過程是把特徵提取和分類分開來做的，等到需要輸出結果的時候再結合到一起，可想而知其實現的困難程度。

在深度學習演算法出來之後，卷積神經網路被廣泛應用於計算機視覺技術中，也因此衍生出了很多的研究方向。深度學習主要是以特徵為基礎來進行比對，如在人臉識別方面，使用卷積神經網路分別對兩張人臉進行不同位置的特徵提取，然後再進行相互比對，最後得到比對結果。目前的計算機視覺的主要研究方向有圖像分類、目標檢測、圖像分割、目標跟蹤、圖像濾波與降噪、圖像增強、風格化、三維重建、圖像檢索、GAN等。本文主要是針對圖像分割這一領域，進行簡要的概述。

圖像分割技術是計算機視覺領域的個重要的研究方向，是圖像語義理解的重要一環。圖像分割是指將圖像分成若干具有相似性質的區域的過程，從數學角度來看，圖像分割是將圖像劃分成互不相交的區域的過程。近些年來隨著深度學習技術的逐步深入，圖像分割技術有了突飛猛進的發展，該技術相關的場景物體分割、人體前背景分割、人臉人體Parsing、三維重建等技術已經在無人駕駛、增強現實、安防監控等行業都得到廣泛的應用。

二、發展現狀

        近來已經有很多學者將圖像分割技術應用到移動機器人的控制中，能夠做到在機器人運動的同時定位、構建地圖並分割出不同的前景和後景，使視覺系統掃描到的圖像具有語義信息。並有學者也致力於分割得更為准確和精細，不僅能夠做到區分不同類的物體，也能夠實現對同類的不同物體的分類，甚至可以做到在此基礎上加上對背景的分割。由於我們生活的世界是三維空間，還有學者將圖像場景還原到三維中，然後使用相關方法對整個三維場景進行分割。作為計算機視覺的研究中的一個較為經典的難題，圖像分割這一領域也越來越被人們所關注。

        首先是傳統的圖像分割方法。在傳統分割方面，人們使用數字圖像處理、拓撲學、數學等方面的知識來進行圖像分割。雖然現在的算力逐漸增加且深度學習不斷發展，一些傳統的分割方法所取得的效果不如深度學習，但是其分割的思想仍有很多值得我們去學習的。

        第一種方法是基於閾值的圖像分割方法。這種方法的核心思想是想根據圖像的灰度特徵來給出一個或多個灰度閾值，將此閾值作為一個標准值與圖像中的每個像素逐一進行比較。很容易想到，通過這個逐一比較過程能夠得到兩類結果，一類是灰度值大於閾值的像素點集，另一類是灰度值小於閾值的像素點集，從而很自然地將圖像進行了分割。所以，不難發現，此方法的最關鍵的一步就是按照一定的准則函數來得到最佳灰度閾值，這樣才能夠得到合適的分類結果。值得一提的是，如果圖像中需要分割的目標和背景分別占據了不同的灰度值甚至是不同的等級，那使用這種方法會得到很好的效果。並且，假如對於一張圖像的處理，我們只需要設定一個閾值時，可以將其稱為單閾值分割。但是圖像中如果不止一個目標，即有多個目標需要進行提取的時候，單一閾值分割就無法做到將它們都分割開來，此時應選取多個閾值對其進行處理，這個分割的過程為多閾值分割。總的來說，閾值分割法有著其獨特的特點，其計算簡單、效率較高。但是，由於這種方法只考慮的是單個像素的灰度值及其特徵，而完全忽略了空間特徵，這也就導致了其對雜訊比較敏感且魯棒性不高。

        第二種方法是基於區域的圖像分割方法。這種方法具有兩種基本形式：一種是區域生長，這種分割方法是從單個像素出發，逐漸將相似的區域進行合並，最終得到需要的區域。另一種方法是直接從圖像的全局出發，一點一點逐步切割至所需要的區域。區域生長指的是，給定一組種子像素，其分別代表了不同的生長區域，然後讓這些種子像素逐漸合並鄰域里符合條件的像素點。如果有新的像素點添加進來，同樣把它們作為種子像素來處理。

        區域分裂合並的分割過程可以說是區域生長的逆過程，這種方法是從圖像的全局出發通過不斷分裂得到各個子區域，然後提取目標的過程。此外，在此過程中，還需要合並前景區域。

        在區域分割方法中還有一種分水嶺演算法。受啟發於分水嶺的構成，這種分割方法將圖像看作是測地學上的拓撲地貌，這樣圖像中每一個像素點對應的海拔高度可以用該點的灰度值來表示。分水嶺的形成過程實際上可以通過模擬浸入過程來實現。具體做法是，在每個局部極小值的表面都刺穿一個小孔，然後把模型慢慢浸入水中，隨著水慢慢浸入其中，分水嶺就隨之形成了。

        第三種方法是基於邊緣檢測的分割方法。邊緣檢測的思想就是試圖通過檢測不同物體的邊緣來將圖像分割開來，這種方法是人們最先想到的也是研究最多的方法之一。如果我們將圖片從空間域變換到頻率域中去，其中物體的邊緣部分就對應著高頻部分，很容易就能夠找到邊緣信息，因此也使得分割問題變得容易。邊緣檢測的方法能夠實現快而且准確的定位，但是其不能保證邊緣的連續性和封閉性，且當一幅圖像的細節信息過多時，其就會在邊緣處產生大量的細碎邊緣，在形成完整的分割區域時就會有缺陷。

        第四種圖像分割方法結合了特定的工具。這里所說的特定工具是各種圖像處理工具以及演算法等，隨著圖像分割研究工作的深入，很多學者開始將一些圖像處理的工具和一些演算法應用到此工作中，並取得了不錯的結果。小波變換在數字圖像處理中發揮著很重要的作用，它能夠將時域和頻域統一起來研究信號。尤其是在圖像邊緣檢測方面，小波變換能夠檢測二元函數的局部突變能力。其次是基於遺傳演算法的圖像分割，遺傳演算法主要借鑒了生物界自然選擇和自然遺傳機制的隨機化搜索方法。其模擬了由基因序列控制的生物群體的進化過程，其擅長於全局搜索，但是局部搜多能力不足。將遺傳演算法應用到圖像處理中也是當前研究的一個熱點問題，在此選擇這種方法的主要原因是遺傳演算法具有快速的隨機搜索能力，而且其搜索能力與問題的領域沒有任何關系。

        除此之外，還有基於主動輪廓模型的分割方法，這種方法具有統一的開放式的描述形式，為圖像分割技術的研究和創新提供了理想的框架。此方法也是對邊緣信息進行檢測的一種方法，主要是在給定圖像中利用曲線演化來檢測目標。

⑹ 數學建模競賽試題如何做相關的數學應用軟體該怎樣學習

我給你的建議是：
1、努力學習數學知識，完善自己的知識體系，尤其是與數學相關的知識體系，比如高等數學、工程數學和應用數學的相關知識；擴充自己的知識面，你可以看到很多賽題都是很現實的社會熱點問題，相關的背景知識是非常必要的；
2、多看一些案例分析的教程，在學習案例分析時的注意點是：如何考慮現實問題中的各個因素，綜合運用所學知識，建立適當的模型；如何進行模型的優化；如何求解模型；如何解釋模型的解。
還要逐步去理解數學建模中最難的三個問題，a、如何用學到的數學思想來表述所面對的問題，所謂的建模。b、應用學到的數學知識解剛剛建立的數學模型，並進行優化。c、將剛剛得到的數學上的解解釋為現實問題中的現象或者是方法。這三個過程體現了一個「現實——>數學——>現實」的一個過程。這其實就是最難的地方。這需要你首先了解面臨的實際問題，然後從現實中轉入數學，再從數學中跳出來回到現實。
3、說到matlab，我建議你借一本matlab手冊做參考書就行了！畢竟matlab只是實現你數學模型的基礎，這不是說matlab不重要，其實matlab也很重要！

⑺ 關於數學建模

數學建模
數學模型（Mathematical Model）是一種模擬，是用數學符號、數學式子、程序、圖形等對實際課題本質屬性的抽象而又簡潔的刻劃，它或能解釋某些客觀現象，或能預測未來的發展規律，或能為控制某一現象的發展提供某種意義下的最優策略或較好策略。數學模型一般並非現實問題的直接翻版，它的建立常常既需要人們對現實問題深入細微的觀察和分析，又需要人們靈活巧妙地利用各種數學知識。這種應用知識從實際課題中抽象、提煉出數學模型的過程就稱為數學建模（Mathematical Modeling）。
過程
模型准備
了解問題的實際背景，明確其實際意義，掌握對象的各種信息。用數學語言來描述問題。
模型假設
根據實際對象的特徵和建模的目的，對問題進行必要的簡化，並用精確的語言提出一些恰當的假設。
模型建立
在假設的基礎上，利用適當的數學工具來刻劃各變數之間的數學關系，建立相應的數學結構（盡量用簡單的數學工具）。
模型求解
利用獲取的數據資料，對模型的所有參數做出計算（或近似計算）。
模型分析
對所得的結果進行數學上的分析。
模型檢驗
將模型分析結果與實際情形進行比較，以此來驗證模型的准確性、合理性和適用性。如果模型與實際較吻合，則要對計算結果給出其實際含義，並進行解釋。如果模型與實際吻合較差，則應該修改假設，再次重復建模過程。
模型應用
應用方式因問題的性質和建模的目的而異。

大學生數學建模競賽
全國大學生數學建模競賽
全國大學生數學建模競賽是國家教育部高教司和中國工業與應用數學學會共同主辦的面向全國大學生的群眾性科技活動，目的在於激勵學生學習數學的積極性，提高學生建立數學模型和運用計算機技術解決實際問題的綜合能力，鼓勵廣大學生踴躍參加課外科技活動，開拓知識面，培養創造精神及合作意識，推動大學數學教學體系、教學內容和方法的改革。競賽題目一般來源於工程技術和管理科學等方面經過適當簡化加工的實際問題，不要求參賽者預先掌握深入的專門知識，只需要學過普通高校的數學課程。題目有較大的靈活性供參賽者發揮其創造能力。參賽者應根據題目要求，完成一篇包括模型的假設、建立和求解，計算方法的設計和計算機實現，結果的分析和檢驗，模型的改進等方面的論文（即答卷）。競賽評獎以假設的合理性、建模的創造性、結果的正確性和文字表述的清晰程度為主要標准。 全國統一競賽題目，採取通訊競賽方式，以相對集中的形式進行；競賽一般在每年9月末的三天內舉行；大學生以隊為單位參賽，每隊3人，專業不限。
全國大學生數學建模競賽章程（2008年）
第一條 總則 全國大學生數學建模競賽（以下簡稱競賽）是教育部高等教育司和中國工業與應用數學學會共同主辦的面向全國大學生的群眾性科技活動，目的在於激勵學生學習數學的積極性，提高學生建立數學模型和運用計算機技術解決實際問題的綜合能力，鼓勵廣大學生踴躍參加課外科技活動，開拓知識面，培養創造精神及合作意識，推動大學數學教學體系、教學內容和方法的改革。 第二條 競賽內容 競賽題目一般來源於工程技術和管理科學等方面經過適當簡化加工的實際問題，不要求參賽者預先掌握深入的專門知識，只需要學過高等學校的數學課程。題目有較大的靈活性供參賽者發揮其創造能力。參賽者應根據題目要求，完成一篇包括模型的假設、建立和求解、計算方法的設計和計算機實現、結果的分析和檢驗、模型的改進等方面的論文（即答卷）。競賽評獎以假設的合理性、建模的創造性、結果的正確性和文字表述的清晰程度為主要標准。 第三條 競賽形式、規則和紀律 1．全國統一競賽題目，採取通訊競賽方式，以相對集中的形式進行。 2．競賽每年舉辦一次，一般在某個周末前後的三天內舉行。 3．大學生以隊為單位參賽，每隊3人（須屬於同一所學校），專業不限。競賽分本科、專科兩組進行，本科生參加本科組競賽，專科生參加專科組競賽（也可參加本科組競賽），研究生不得參加。每隊可設一名指導教師（或教師組），從事賽前輔導和參賽的組織工作，但在競賽期間必須迴避參賽隊員，不得進行指導或參與討論，否則按違反紀律處理。 4．競賽期間參賽隊員可以使用各種圖書資料、計算機和軟體，在國際互聯網上瀏覽，但不得與隊外任何人（包括在網上）討論。 5．競賽開始後，賽題將公布在指定的網址供參賽隊下載，參賽隊在規定時間內完成答卷，並准時交卷。 6．參賽院校應責成有關職能部門負責競賽的組織和紀律監督工作，保證本校競賽的規范性和公正性。 第四條 組織形式 1．競賽由全國大學生數學建模競賽組織委員會（以下簡稱全國組委會）主持，負責每年發動報名、擬定賽題、組織全國優秀答卷的復審和評獎、印製獲獎證書、舉辦全國頒獎儀式等。 2．競賽分賽區組織進行。原則上一個省（自治區、直轄市）為一個賽區，每個賽區應至少有6所院校的20個隊參加。鄰近的省可以合並成立一個賽區。每個賽區建立組織委員會（以下簡稱賽區組委會），負責本賽區的宣傳發動及報名、監督競賽紀律和組織評閱答卷等工作。未成立賽區的各省院校的參賽隊可直接向全國組委會報名參賽。 3．設立組織工作優秀獎，表彰在競賽組織工作中成績優異或進步突出的賽區組委會，以參賽校數和隊數、征題的數量和質量、無違紀現象、評閱工作的質量、結合本賽區具體情況創造性地開展工作以及與全國組委會的配合等為主要標准。 第五條 評獎辦法 1．各賽區組委會聘請專家組成評閱委員會，評選本賽區的一等、二等獎（也可增設三等獎），獲獎比例一般不超過三分之一，其餘凡完成合格答卷者可獲得成功參賽證書。 2．各賽區組委會按全國組委會規定的數量將本賽區的優秀答卷送全國組委會。全國組委會聘請專家組成全國評閱委員會，按統一標准從各賽區送交的優秀答卷中評選出全國一等、二等獎。 3．全國與各賽區的一、二等獎均頒發獲獎證書。 4．對違反競賽規則的參賽隊，一經發現，取消參賽資格，成績無效。對所在院校要予以警告、通報，直至取消該校下一年度參賽資格。對違反評獎工作規定的賽區，全國組委會不承認其評獎結果。 第六條 異議期制度 1．全國（或各賽區）獲獎名單公布之日起的兩個星期內，任何個人和單位可以提出異議，由全國組委會（或各賽區組委會）負責受理。 2．受理異議的重點是違反競賽章程的行為，包括競賽期間教師參與、隊員與他人討論，不公正的評閱等。對於要求將答卷復評以提高獲獎等級的申訴，原則上不予受理，特殊情況可先經各賽區組委會審核後，由各賽區組委會報全國組委會核查。 3．異議須以書面形式提出。個人提出的異議，須寫明本人的真實姓名、工作單位、通信地址（包括聯系電話或電子郵件地址等），並有本人的親筆簽名；單位提出的異議，須寫明聯系人的姓名、通信地址（包括聯系電話或電子郵件地址等），並加蓋公章。全國組委會及各賽區組委會對提出異議的個人或單位給予保密。 4．與受理異議有關的學校管理部門，有責任協助全國組委會及各賽區組委會對異議進行調查，並提出處理意見。全國組委會或各賽區組委會應在異議期結束後兩個月內向申訴人答復處理結果。 第七條 經費 1．參賽隊所在學校向所在賽區組委會交納參賽費。 2．賽區組委會向全國組委會交納一定數額的經費。 3．各級教育管理部門的資助。 4．社會各界的資助。 第八條 解釋與修改 本章程從2008年開始執行，其解釋和修改權屬於全國組委會。

⑻ 數學建模應該如何做呢！需要了解些什麼！

數學建模首先花點時間選題，選一個資料比較多而且自己比較熟悉的，選好後根據題意結合查閱的文獻進行建模求解。最重要的是寫論文。一般的論文的格式有摘要、問題的背景與重述（一般就是照抄原題，當然加上自己的理解最好）、全局符號說明、模型假設、模型的建立與求解、模型的改進與評價（優缺點都要說）、參考文獻、附錄。論文摘要的寫作是關鍵，所以你的論文摘要一定要寫好。要把你針對問題所建立的模型名稱、計算結果列出來。記住，論文是最重要的，一定要寫好。

⑼ 數學建模怎麼做啊

數學建模就是通過計算得到的結果來解釋實際問題，並接受實際的檢驗，來建立數學模型的全過程。當需要從定量的角度分析和研究一個實際問題時，人們就要在深入調查研究、了解對象信息、作出簡化假設、分析內在規律等工作的基礎上，用數學的符號和語言作表述來建立數學模型。

模型准備
了解問題的實際背景，明確其實際意義，掌握對象的各種信息。以數學思想來包容問題的精髓，數學思路貫穿問題的全過程，進而用數學語言來描述問題。要求符合數學理論，符合數學習慣，清晰准確。

模型假設
根據實際對象的特徵和建模的目的，對問題進行必要的簡化，並用精確的語言提出一些恰當的假設。

模型建立
在假設的基礎上，利用適當的數學工具來刻劃各變數常量之間的數學關系，建立相應的數學結構（盡量用簡單的數學工具）。

模型求解
利用獲取的數據資料，對模型的所有參數做出計算（或近似計算）。

模型分析
對所要建立模型的思路進行闡述，對所得的結果進行數學上的分析。

模型檢驗
將模型分析結果與實際情形進行比較，以此來驗證模型的准確性、合理性和適用性。如果模型與實際較吻合，則要對計算結果給出其實際含義，並進行解釋。如果模型與實際吻合較差，則應該修改假設，再次重復建模過程。

⑽ 2013數學建模B怎麼做

這是我今天交的，B題（問題三其中某一面），其中a.bmp面不一定全是正面，b.bmp面不一定全是反面。

先把圖片根據灰度值分類，（最大匹配度180,180行都匹配），在分類的基礎上，分四種情況，用最小二乘法Σ(a-b)2 ，分四種情況：

主要分如下四種情況來匹配：

擦，本來還想把數學公式粘上來，可是輸入不支持！！！？？？？

然後計算綜合匹配度最高的，拼接。

然後把你拼接好的灰度值矩陣，顯示成圖片，這樣直接看整個圖片人工干預，找出銜接不合理的地方..................上圖是我完全拼接完成後的圖片。