2013年全国大学生数学建模

③ 全国大学生数学建模竞赛，有何比赛规则

简单来说就是在规定的时间内（一般是连续的74小时）利用各种网上的资源、手里的书籍、资料等，组内人员可以互相讨论，最终以论文的方式提交最后的答案。但是要注意，除了组内人员，不能和其他人员讨论，被查到就按违规处理。

我刚刚参加过今年的全国大学生数学建模竞赛，下面可以详细说一下以上的几点。

最后说一下关于建模时的交流的问题，原则上是只允许你们组内人员讨论题目的，在比赛期间，学校的建模所有群都会开启禁言模式，当然，就算不开禁言，你也不能在群里面问问题，问了直接就被判违规了。有的同学可能会想着不在群里面问，而是去私戳某个大佬可以吗，其实这样的行为是很危险的，不能说每个问大佬的人都被判违规了，但是私戳别人问建模的问题也是很有可能被发现、判违规的，我身边这样的例子也不在少数，所以比赛的时候还是要好好遵守规则。

④ 2013全国大学生数学建模证书啥时下来

同学你好，各个赛区将于12月举行颁奖会，届时将会颁发所有证书。
查看原帖>>

⑤ 全国大学生数学建模竞赛，一般都有哪些问题

2020年，共有来自中国、美国、英国、马来西亚的1470所院校/校区的45680支队伍(本科41826队、专科3854队)，共计13万多人报名参加比赛。

第三部分通常会有好几个需要回答的问题，通常有些问题需要给出确定性的答案，也就是根据模型得出的数学结果；后面则会有发散性的问题，要求给出优化方案等。

⑥ 2013年全国大学生数学建模成绩什么时候出来

赛区的结果，要看是哪个地区的，每个地区的时间不一样，国庆节前估计有10个省市公布结果，大部分要等到国庆节后才会公布。

全国的结果
当年竞赛结果（初稿）一般于当年11月中上旬发布（异议期两周）,请耐心等待．
当年竞赛结果（正式稿）一般于当年11月下旬发布．

⑦ 求2013年数学建模国赛B题附件3拼接答案。题

去交流群看看，我找到代码了，可是执行不了。
clear;

I=imread('附件1');

if(isgray(I)==0)
disp('请输入灰度图像,本程序用来处理128 *128的灰度图像!');
else
if (size(I)~=[128,128])
disp('图像的大小不合程序要求!');
else
H.color=[1 1 1]; %设置白的画布

figure(H);imshow(I);
title('原图像');
zeroImage=repmat(uint8(0),[128 128]);
figure(H); %为分裂合并后显示的图设置画布
meansImageHandle=imshow(zeroImage);
title('块均值图像');
%%%%%设置分裂后图像的大小由于本图采用了128像素的图
blockSize=[128 64 32 16 8 4 2];
%%设置一个S稀疏矩阵用于四叉树分解后存诸数据
S=uint8(128);
S(128,128)=0;
threshold=input('请输入分裂的阈值(0--1):');%阈值
threshold=round(255*threshold);
M=128;dim=128;

%%%%%%%%%%%%%%%%% 分裂主程序%%%%%%%%%%%

while (dim>1)
[M,N] = size(I);

Sind = find(S == dim);
numBlocks = length(Sind);
if (numBlocks == 0)
%已完成
break;
end
rows = (0:dim-1)';
cols = 0:M:(dim-1)*M;
rows = rows(:,ones(1,dim));
cols = cols(ones(dim,1),:);
ind = rows + cols;
ind = ind(:);

tmp = repmat(Sind', length(ind), 1);
ind = ind(:, ones(1,numBlocks));
ind = ind + tmp;

blockValues= I(ind);
blockValues = reshape(blockValues, [dim dim numBlocks]);

if(isempty(Sind))
%已完成
break;
end
[i,j]=find(S);
set(meansImageHandle,'CData',ComputeMeans(I,S));
maxValues=max(max(blockValues,[],1),[],2);
minValues=min(min(blockValues,[],1),[],2);
doSplit=(double(maxValues)-double(minValues))>threshold;
dim=dim/2;
Sind=Sind(doSplit);
Sind=[Sind;Sind+dim;(Sind+M*dim);(Sind+(M+1)*dim)];
S(Sind)=dim;
end
[i,j]=find(S); % 用来寻找四叉机分解结果中大小为S的块的位置
set(meansImageHandle,'CData',ComputeMeans(I,S)); % 显示分解结果块均值图像
Numberofbloks=length(i); %计算块数

%sizev=size(v);
end
end

程序2

其实很简单的，看懂下面的语句：
PicName1='a.jpg'; % 要合并的图片1

PicName2='b.jpg'; % 要合并的图片2

PicOut='c.jpg'; %合并的结果
IV1=imread(PicName1); % 读入图片1

IV2=imread(PicName2); % 读入图片2

PicData=[IV1; IV2]; % 如果是纵向拼接用这个
PicData=[IV1 IV2]; % 如果是横向拼接用这个
imwrite(PicData, PicOut, 'Quality', 75); % 输出图形\附件1\');

if(isgray(I)==0)
disp('请输入灰度图像,本程序用来处理128 *128的灰度图像!');
else
if (size(I)~=[128,128])
disp('图像的大小不合程序要求!');
else
H.color=[1 1 1]; %设置白的画布

figure(H);imshow(I);
title('原图像');
zeroImage=repmat(uint8(0),[128 128]);
figure(H); %为分裂合并后显示的图设置画布
meansImageHandle=imshow(zeroImage);
title('块均值图像');
%%%%%设置分裂后图像的大小由于本图采用了128像素的图
blockSize=[128 64 32 16 8 4 2];
%%设置一个S稀疏矩阵用于四叉树分解后存诸数据
S=uint8(128);
S(128,128)=0;
threshold=input('请输入分裂的阈值(0--1):');%阈值
threshold=round(255*threshold);
M=128;dim=128;

%%%%%%%%%%%%%%%%% 分裂主程序%%%%%%%%%%%

while (dim>1)
[M,N] = size(I);

Sind = find(S == dim);
numBlocks = length(Sind);
if (numBlocks == 0)
%已完成
break;
end
rows = (0:dim-1)';
cols = 0:M:(dim-1)*M;
rows = rows(:,ones(1,dim));
cols = cols(ones(dim,1),:);
ind = rows + cols;
ind = ind(:);

tmp = repmat(Sind', length(ind), 1);
ind = ind(:, ones(1,numBlocks));
ind = ind + tmp;

blockValues= I(ind);
blockValues = reshape(blockValues, [dim dim numBlocks]);

if(isempty(Sind))
%已完成
break;
end
[i,j]=find(S);
set(meansImageHandle,'CData',ComputeMeans(I,S));
maxValues=max(max(blockValues,[],1),[],2);
minValues=min(min(blockValues,[],1),[],2);
doSplit=(double(maxValues)-double(minValues))>threshold;
dim=dim/2;
Sind=Sind(doSplit);
Sind=[Sind;Sind+dim;(Sind+M*dim);(Sind+(M+1)*dim)];
S(Sind)=dim;
end
[i,j]=find(S); % 用来寻找四叉机分解结果中大小为S的块的位置
set(meansImageHandle,'CData',ComputeMeans(I,S)); % 显示分解结果块均值图像
Numberofbloks=length(i); %计算块数

%sizev=size(v);
end
end

程序2

其实很简单的，看懂下面的语句：
PicName1='a.jpg'; % 要合并的图片1

PicName2='b.jpg'; % 要合并的图片2

PicOut='c.jpg'; %合并的结果
IV1=imread(PicName1); % 读入图片1

IV2=imread(PicName2); % 读入图片2

PicData=[IV1; IV2]; % 如果是纵向拼接用这个
PicData=[IV1 IV2]; % 如果是横向拼接用这个
imwrite(PicData, PicOut, 'Quality', 75); % 输出图形
【希望采纳】

⑧ 大学生数学建模比赛有哪些

有全国大学生数学建模竞赛、数学中国数学建模网络挑战赛、美国大学生数学建模竞赛、数学建模国际赛等，地区赛有华中赛、华东赛、东北赛、苏杯赛等。最近的比赛是2013年第六届数学中国数学建模网络挑战赛

⑨ 求2013全国大学生数学建模比赛A题思路

真心内部资料，部分内容公布出来
此题为交通运输类问题，可以视作优化类问题，而且本题重点在于目标的选取和目标函数的建立，而最优值的求解反而不是问题的重点（因为哪里会发生交通事故、持续时间、车流量等等都是不可控制的参数，本题几乎没有可决策变量）。可以用到的知识有排队论，元胞自动机，模拟仿真等等，用这些手段来建立函数关系；
关键概念：通行能力，指单位时间内通过断面的最大车辆数TC（trafficcapacity）=n/t=vd（n为通过车辆数，t是时间，v为车辆平均速度，d是道路宽度）；
问题一：求出函数表达式TC=f（t），可以根据视频中的信息，隔一段时间求一次对应的TC值，再通过插值方法求出解f，或者。。。。。详见文章

如果大家都觉得好，评论过50了，我晚上加油搞，确定一下第三问的三种思路那种最好，明天改了再发。不过可能会精简一点。。。因为我会按照这个做的。。。

⑩ 急求2013年全国大学生数学建模竞赛B题 未发表、未获奖 的文章，悬赏50财富值

2013高教社杯全国大学生数学建模竞赛B题评阅要点[说明]本要点仅供参考，各赛区评阅组应根据对题目的理解及学生的解答，自主地进行评阅。本题要求对数据提取合适的特征、建立合理有效的碎纸片拼接复原模型。可以考虑的特征有邻边灰度向量的匹配、按行或按列对灰度求和、行距等。关于算法模型，必须有具体的算法过程（如流程图、算法描述、伪代码等）及设计原理。虽然正确的复原结果是唯一的，但不能仅从学生提供的复原效果来评定学生解答的好坏，而应根据所建的数学模型、求解方法和计算结果（如复原率）三方面的内容做出评判。另一方面，评判中还需要考虑人工干预的多少和干预时间节点的合理性。问题1.仅有纵切文本的复原问题由于“仅有纵切”，碎纸片较大，所以信息特征较明显。一种比较直观的建模方法是：按照某种特征定义两条碎片间的（非对称）距离，采用最优Hamilton路或最优Hamilton圈（即TSP）的思想建立优化模型。关于TSP的求解方法有很多，学生在求解过程中需要注意到非对称距离矩阵或者是有向图等特点。还可能有种种优化模型与算法，只要模型合理，复原效果好，都应当认可。本问题相对简单，复原过程可以不需要人工干预，复原率可以接近或达到100%。问题2. 有横、纵切文本的复原问题一种较直观的建模方法是：首先利用文本文件的行信息特征，建立同一行碎片的聚类模型。在得到行聚类结果后，再利用类似于问题1中的方法完成每行碎片的排序工作。最后对排序后的行，再作纵向排序。本问题的解法也是多种多样的，应视模型和方法的合理性、创新性及有效性进行评分。例如，考虑四邻近距离图，碎片逐步增长，也是一种较为自然的想法。问题3.正反两面文本的复原问题这个问题是问题2的继续，基本解决方法与问题2方法相同。但不同的是：这里需要充分利用双面文本的特征信息。该特征信息利用得好，可以提升复原率。 在阅卷过程中，可以考虑学生对问题的扩展。例如，在模型的检验中，如果学生能够自行构造碎片，用以检验与评价本队提出的拼接复原模型的复原效果，可考虑适当加分。阅卷时应有程序，程序的运行结果应和论文给出的结果一致。clear %释放空间clc %清屏%图片数据读取left_col = [];right_col = [];for fp = 0 : 208 str = int2str(fp); if fp < 10 name = ['0' '0' str '.bmp']; elseif fp >= 10 & fp < 100 name = ['0' str '.bmp']; else name = [str '.bmp']; end a = imread(name); [m,n] = size(a); left_col = [left_col a(:,1)]; right_col = [right_col a(:,n)];end%读取完毕left_col = double(left_col);%类型转换right_col = double(right_col);% 找纸片最左边(left_col)像素全为255(空白)的所有列row = 1;for bi=1:209; number=length(find(left_col(:,bi)==255)); if number == 180 S(row,1)=bi;%保存第一列像素为空(灰度值:255)的放在数组S第一列 row = row + 1; endendS = [S(:,1) zeros(row-1,18)];%矩阵初始化O = [ones(row-1,19)]; %初始化一个单位矩阵sign = 1;w = 0;for r=1:row-1;%行 for p=1:18;%列p+1 num = 10000000000;%使num足够大 for j=1:209; count = 0; count = length(find(S==j));%除去重复 if count ~= 0 continue; else blank = length(find(right_col(:,S(r,p)) == 255));%如果碎纸片右边界全为255(即空白)，则跳出，终止此行后面拼接 if blank == 180 sign = 0; break;%跳出本循环，进入p循环 else ri=right_col(:,S(r,p));%计算左右拼接精确度 le=left_col(:,j); c=ri-le; c = c.^2; error=sum(c(:)); end if num >= error %找出差值最小的，精确度最高 num = error; w = j; end end end if sign == 0 sign = 1; break; %跳出p循环，进入r循环 else S(r,p+1)=w; %二维数组储存每个碎纸片拼接位置 end endendS = S - O; %数据整理，图片从000.bmp开始，数组下标从1开始//////////////////////////////////////////////////////////////////////////第三题碎纸片特征分类代码：clear %释放空间clc %清屏%图片数据读取char namea = (209,7);char nameb = (209,7);for fpa = 0 : 208 str = int2str(fpa); if fpa < 10 fpa = fpa + 1; namea(fpa,:) = ['0' '0' str 'a.bmp']; elseif fpa >= 10 & fpa < 100 fpa = fpa + 1; namea(fpa,:) = ['0' str 'a.bmp']; else fpa = fpa + 1; namea(fpa,:) = [str 'a.bmp']; endendfor afp = 1:209 a= imread(namea(afp,:)); fdataa(:,:,afp) = a;end%%%读取反面b的数据for fpb = 0 : 208 str = int2str(fpb); if fpb < 10 fpb = fpb + 1; nameb(fpb,:) = ['0' '0' str 'b.bmp']; elseif fpb >= 10 & fpb < 100 fpb = fpb + 1; nameb(fpb,:) = ['0' str 'b.bmp']; else fpb = fpb + 1; nameb(fpb,:) = [str 'b.bmp']; endendfor bfp = 1:209 b= imread(nameb(bfp,:)); fdatab(:,:,bfp) = b;end%读取完毕%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%qfdataa = ~fdataa; %取反qfdatab = ~fdatab; %取反for lj = 1:209 %行累加求和 Ldataa(:,lj) = sum(qfdataa(:,:,lj),2); %正面(a)累加求和 Ldatab(:,lj) = sum(qfdatab(:,:,lj),2); %反面(b)累加求和endLdataa(Ldataa>0)=1; %正面归一化Ldatab(Ldatab>0)=1; %反面归一化%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 数据分类 横向 正面(a)分类for flta = 1:209; for pflta = 1:209 numa = 0; for flha = 1:180; if Ldataa(flha,flta) == Ldataa(flha,pflta) numa = numa + 1; end end tsavea(flta,pflta) = numa; %保存每两张图片之间的匹配度 endend% 数据分类 横向 反面(b)分类for fltb = 1:209; for pfltb = 1:209 numb = 0; for flhb = 1:180; if Ldatab(flhb,fltb) == Ldatab(flhb,pfltb) numb = numb + 1; end end tsaveb(fltb,pfltb) = numb; %保存每两张图片之间的匹配度 endend%%%%%%%%%%%%%%%%%%%%%%%%总匹配度%tsave = (tsavea + tsaveb)/2;%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 找纸片最左边(left_col)像素全为255(空白)的所有列% fdataa = double(fdataa);% fdatab = double(fdatab);row = 1;for bi=1:209; number=length(find(fdataa(:,1,bi)~=0 & fdatab(:,72,bi)~=0)); if number == 180 S(row,1)=bi;%保存第一列像素为空(灰度值:255)的放在数组S第一列 row = row + 1; endendS = [S(:,1) zeros(row-1,18)];%矩阵初始化O = [ones(row-1,19)]; %初始化一个单位矩阵%%%%%%%%%%%%%%%%%%