2023年12月15-17日，第二十屆中國研究生數學建模競賽暨華為杯20周年慶典在東南大學舉行。
來自各省、自治區、直轄市、特別行政區507個研究生培訓單位的研究生隊伍共計19898支隊伍參加了比賽，其中我校有186支隊伍參加了比賽。
經過激烈的角逐，電子科技大學獲得國家一等獎2項，二等獎38項，三等獎66項; 電子科技大學第二次榮獲“優秀組織獎”，數學科學學院李明奇副教授榮獲“先進個人獎”。 
第二十屆中國研究生數學建模競賽將於2023年9月22日8：00-2023年9月26日12：00舉行。
競賽題一般來自工程技術和管理科學中的實際問題，並經過適當的簡化和處理，試題的難度、廣度和深度適合絕大多數專業研究生。
根據題目要求，參賽者需完成乙份包含模型的假設、建立、解決、改進、分析和測試的文件。 本次比賽共有六個問題：
問題A：WLAN網路通道接入機制建模（華為專題）
問題B：DFT類矩陣的整數因式分解近似（華為問題）;
題C：大型創新競賽評價方案研究;
問題D：區域碳達峰碳中和目標研究及路徑規劃;
問題E：出血性腦卒中的臨床智慧型診療建模;
問題f：強對流降水臨近預報。
中國大學生數學建模競賽是“中國研究生創新與實踐系列大賽”主題競賽之一，由教育部學位管理與研究生教育司指導，中國學位與研究生教育學會、中國科協青年科技中心主辦。
自2015年以來，電子科技大學研究生連續九屆參加研究生數學建模競賽，2023年共有186支隊伍參賽，參賽隊伍數量增加（增加32支86%），獲獎隊伍數量（106支）創歷史新高，自比賽以來共獲得一等獎16個（含華為特別獎4個）、二等獎154個、三等獎183個。
電子科技大學高度重視研究生創新實踐能力的培養，研究生院通過“研究生科技創新支援專案”，開展了包括“中國研究生建模數學競賽”在內的21項研究生學科競賽，鼓勵研究生積極參與學科競賽， 理論知識與應用實踐相結合，全面提公升研究生綜合素質培養。
2023年5月-10月，數學科學學院成立研究生數學建模競賽指導小組，精心組織，精心策劃，2023年5月-10月，通過系統的理論講解和一對一的模擬訓練，集中訓練和指導，提高學員建立數學模型和應用計算機技術解決專業難題的綜合能力， 推動我校研究生科技創新能力不斷提公升，助力我校研究生培養質量再上新台階。
相關鏈結：
1.一等獎專案介紹：
（1）問題B：DFT類矩陣的整數分解近似（華為問題）。
李子靜， 何詩宇， 龍子軒.
團隊由李子靜（通訊抗干擾國家重點實驗室博士生）、何詩宇（通訊抗干擾國家重點實驗室碩士生）、龍子軒（通訊抗干擾國家重點實驗室碩士生）組成。 在“DFT類矩陣的整數分解近似”專案中，團隊利用蝶形分解演算法的各種優化搜尋演算法，將DFT矩陣分解為稀疏矩陣，從而達到降低DFT在晶元設計中計算複雜度的目的。
針對問題1，採用Cooley-Tukey蝶形演算法將n階DFT矩陣分解為若干稀疏子矩陣的乘積，從而減少DFT計算的乘法次數。
對於問題2，採用基本的feig-winograd對映演算法、遺傳演算法和序列二次規劃演算法將分解後的矩陣單元的值限制為簡單單元。
問題3是前兩個問題的組合，除了遺傳演算法外，還提出了一種新的優化搜尋演算法，以實現DFT矩陣的高精度和低複雜度分解。
針對問題4，結合Cooley-Tukey演算法的4個基本原理、Kroninker積的性質、矩陣的初等行變換和遺傳演算法，提出了兩種新的“混合積分解-降維優化方法”，實現了DFT矩陣Kroninker積的高精度、低複雜度分解。
針對問題5，提出一種改進的優化搜尋演算法，增加搜尋緯度，限制稀疏矩陣的元素位置，從而進一步提高分解精度。
（2）問題E：出血性腦卒中臨床智慧型診療建模
潘曉峰， 唐雪蓮， 駱登彥.
該團隊由潘曉峰（資訊與通訊工程學院碩士研究生）、羅登巖（電腦科學與工程學院（網路空間安全學院）博士生）和唐雪蓮（通訊抗干擾國家重點實驗室碩士研究生）組成。 在“出血性腦卒中臨床智慧型診療建模”專案中，團隊充分利用出血性腦卒中患者提供的多源資料，通過人工智慧技術對血腫的擴大和外周水腫的發生發展進行建模。
針對問題1，對血腫擴大風險相關因素進行建模，採用無監督**-概率聚類和標記（PCLA）方法計算血腫相關特徵值與閾值的差值，並構建啟用函式進行對映，最終實現準確**。
針對第二個問題，對血腫周圍水腫的發生和發展進行建模，構建多項式擬合和BP神經網路演算法，並通過視覺化圖表對結果進行評估。 考慮水腫體積變化率和具體值，採用歐幾里得距離和基於EM的GMM聚類方法將患者分為4類，探討**干預與水腫進展的相關性。 同時對資料進行整理，結合患者分類結果進行χ2驗證，判斷**對水腫進展的顯著影響。 大約。
問題3：為探究出血性腦卒中患者的預後及關鍵因素，首先，建立不同核函式的分類任務支援向量機SVC和回歸任務支援向量機SVR，通過綜合評估篩選模型，剔除無關特徵，提高模型效率。
此外，設計了具有特徵權重函式的SVC模型進行特徵區分，根據病史或**方法對離散資料進行分類，觀察對MRS的影響，同時對連續資料進行歸一化，採用Spearman相關分析進一步揭示糖尿病史等關鍵特徵的顯著影響， 冠心病史和 MRS 評分的 ** 方案。
電子科技大學 我想成為頭條新聞 雙一流 華為數學建模