华为杯数学建模赛题18年F题

2021年华为杯全国研究生数学建模竞赛D题代码，抗乳腺癌候选药物优化建模，在对数据进行预处理和关联性分析后，首先通过7种不同的降维方法筛选主要分子描述符；接着对于每种降维方法使用6类回归算法，并引入集合算法Stacking模型。最终得到不错的评估效果。基于python实现，并将每一步的过程都单独做成jupyter文件，方便使用学习。

2018“华为杯”中国研究生数学建模竞赛A题题目

只有题目，没有解答，感兴趣的小伙伴可以自行下载练手

华为杯数学建模赛题14年C题

2021年华为杯数学建模竞赛E题信号干扰下的超宽带精确定位（国一） 代码很全，附带提交论文 数据预处理相关（以调用顺序排序） - clean_data.py：使用高斯σ原则和k-means聚类算法对原始数据进行预处理，并转化为二维矩阵存储。 - process_tag.py：将靶点的真实坐标转化为二维矩阵数据类型存储。 模型求解相关（以调用顺序排序） - method.py：定义最小二乘法和牛顿迭代法求解交点，使用线性分类器预测噪声类型。 - generate_data.py：利用提供的训练数据构造神经网络输入特征。 - generate_label.py：利用提供的训练数据生成噪声类型的真实标签。 - neural_network.py：定义神经网络结构，使用训练数据优化神经网络的参数，并保存最优模型。 - denoising.py：计算利用神经网络去噪后估测交点的坐标，输出三维、二维和一维的各自精度。 - predict.py：使用预训练的模型对测试数据进行预测，输出噪声类型和交点坐标。 - move_plot.py：用三维和二维分别展现靶点的动态轨迹。

①随机森林+相关性分析。采用决策树回归、线性回归、梯度提升向量机、改进型贪心调优 ②根据提供的ERα拮抗剂信息（1974个化合物样本，每个样本都有729个分子描述符变量，1个生物活性数据，5个ADMET性质数据），构建化合物生物活性的定量预测模型和ADMET性质的分类预测模型，从而为同时优化ERα拮抗剂的生物活性和ADMET性质提供预测服务。 ③代码很全，横向纵向可对比，并提供模型，3种解法

已获国家三等奖 1.构建mRMR-置换特征重要性混合模型 2.构建化合物分子的生物活性定量预测模型 3.构建ADMET分类预测模型 4.使用的改进遗传算法

2021年华为杯数模E题，只有题目，感兴趣的小伙伴自行下载。

本文件收集了2004-2021年华为杯数学建模试题，供想要参加数学建模的小伙伴参考