线性编程使用MATLAB：本书提供了各种线性编程算法和方法的理论和计算演示，重点是修订后的单纯形方法及其组件。 每种算法都包括理论背景和数学公式，以及完整的数值示例和相应的MATLAB:registered:代码。 本书介绍的MATLAB:registered:实现非常复杂，允许用户找到大规模基准线性程序的解决方案。 每种算法之后都进行了基准问题的计算研究，该研究分析了所提出算法的计算行为。 作为现有特定算法文献的坚实伴侣，这本书对具有线性代数和微积分基础知识的研究人员，科学家，数学程序员和学生非常有用。 清晰的演示使读者能够理解和利用单纯形方法的所有组成部分，例如预求解技术，缩放技术，数据透视规则，基础更新方法和敏感性分析。

Python求解线性规划问题_两阶段法实现的单纯形法，包括.py和.ipynb两种格式，用Jupyter Notebook打开.ipynb或者用Python软件打开.py都可成功运行，压缩包中包括测试数据，代码可输出唯一解，无穷多解，无界解，无解四种情况。

基于优化理论的单纯形法应用实例，；利用单纯形法求解线性规划问题

BRSMM 类实现了用于模拟和估计有限简单混合模型参数的算法。 简单模型，例如潜在狄利克雷分配 (LDA) 模型，通常用于基于文本的信息检索，例如，根据单词统计为语料库中的每个文档指定主题时。 BRSMM 类是 LDA 对连续数据的扩展。 它专为包含异常值和/或缺失值的数据而设计。 BRSMM 对象将每个主题建模为具有特定主题参数的重尾分布的混合。 根据贝叶斯范式，参数配备了共轭先验分布。 该模型还包含表示数据中缺失值和数据质量的隐藏变量。 参数和隐藏变量的后验分布通过近似变分推理算法进行估计。 此提交包括一个测试函数，该函数生成一组合成数据并从这些数据中学习模型。 测试函数还绘制根据模型聚类的数据，以及每次迭代后数据的边际对数似然的变分下界。 如果您发现此提交对您的研究/工作有用，请引用我的 MathWorks 社区资料。 如果您有任何技术或应用相关问题，请随时直接与我联系。

项目的技术特点是采用前后端分离的开发模式，耦合性较低，前后端依据事前商定的接口对接数据，前端采用Vue框架，后端采用Springboot+Mybatis框架，持久化方案采用MySQL。 可以作为web练习项目或者web开发，数据库开发大作业，甚至再扩展下功能可以作为毕业设计

铁塔用角钢材料的下料问题研究，用delphi语言，改进型单纯型算法

利用单纯形法求解max问题,运筹学上机问题，数学思维，按照解题思路，易懂

采取libsvm单纯的 pca svm算法的程序

 采取libsvm单纯的 pca svm算法GUI界面 采取guide的形式

采取libsvm单纯的 pca svm算法GUI界面 不采取guide的形式