2023年12月15-17日，第二十届中国研究生数学建模竞赛暨华为杯20周年庆典在东南大学举行。
来自各省、自治区、直辖市、特别行政区507个研究生培训单位的研究生队伍共计19898支队伍参加了比赛，其中我校有186支队伍参加了比赛。
经过激烈的角逐，电子科技大学获得国家一等奖2项，二等奖38项，三等奖66项; 电子科技大学第二次荣获“优秀组织奖”，数学科学学院李明奇副教授荣获“先进个人奖”。 
第二十届中国研究生数学建模竞赛将于2023年9月22日8：00-2023年9月26日12：00举行。
竞赛题一般来自工程技术和管理科学中的实际问题，并经过适当的简化和处理，试题的难度、广度和深度适合绝大多数专业研究生。
根据题目要求，参赛者需完成一份包含模型的假设、建立、解决、改进、分析和测试的文档。 本次比赛共有六个问题：
问题A：WLAN网络信道接入机制建模（华为专题）
问题B：DFT类矩阵的整数因式分解近似（华为问题）;
题C：大型创新竞赛评价方案研究;
问题D：区域碳达峰碳中和目标研究及路径规划;
问题E：出血性脑卒中的临床智能诊疗建模;
问题f：强对流降水临近预报。
中国大学生数学建模竞赛是“中国研究生创新与实践系列大赛”主题竞赛之一，由教育部学位管理与研究生教育司指导，中国学位与研究生教育学会、中国科协青年科技中心主办。
自2015年以来，电子科技大学研究生连续九届参加研究生数学建模竞赛，2023年共有186支队伍参赛，参赛队伍数量增加（增加32支86%），获奖队伍数量（106支）创历史新高，自比赛以来共获得一等奖16个（含华为特别奖4个）、二等奖154个、三等奖183个。
电子科技大学高度重视研究生创新实践能力的培养，研究生院通过“研究生科技创新支持项目”，开展了包括“中国研究生建模数学竞赛”在内的21项研究生学科竞赛，鼓励研究生积极参与学科竞赛， 理论知识与应用实践相结合，全面提升研究生综合素质培养。
2023年5月-10月，数学科学学院成立研究生数学建模竞赛指导小组，精心组织，精心策划，2023年5月-10月，通过系统的理论讲解和一对一的模拟训练，集中训练和指导，提高学员建立数学模型和应用计算机技术解决专业难题的综合能力， 推动我校研究生科技创新能力不断提升，助力我校研究生培养质量再上新台阶。
相关链接：
1.一等奖项目介绍：
（1）问题B：DFT类矩阵的整数分解近似（华为问题）。
李子静， 何诗宇， 龙子轩.
团队由李子静（通信抗干扰国家重点实验室博士生）、何诗宇（通信抗干扰国家重点实验室硕士生）、龙子轩（通信抗干扰国家重点实验室硕士生）组成。 在“DFT类矩阵的整数分解近似”项目中，团队利用蝶形分解算法的各种优化搜索算法，将DFT矩阵分解为稀疏矩阵，从而达到降低DFT在芯片设计中计算复杂度的目的。
针对问题1，采用Cooley-Tukey蝶形算法将n阶DFT矩阵分解为若干稀疏子矩阵的乘积，从而减少DFT计算的乘法次数。
对于问题2，采用基本的feig-winograd映射算法、遗传算法和序列二次规划算法将分解后的矩阵单元的值限制为简单单元。
问题3是前两个问题的组合，除了遗传算法外，还提出了一种新的优化搜索算法，以实现DFT矩阵的高精度和低复杂度分解。
针对问题4，结合Cooley-Tukey算法的4个基本原理、Kroninker积的性质、矩阵的初等行变换和遗传算法，提出了两种新的“混合积分解-降维优化方法”，实现了DFT矩阵Kroninker积的高精度、低复杂度分解。
针对问题5，提出一种改进的优化搜索算法，增加搜索纬度，限制稀疏矩阵的元素位置，从而进一步提高分解精度。
（2）问题E：出血性脑卒中临床智能诊疗建模
潘晓峰， 唐雪莲， 骆登彦.
该团队由潘晓峰（信息与通信工程学院硕士研究生）、罗登岩（计算机科学与工程学院（网络空间安全学院）博士生）和唐雪莲（通信抗干扰国家重点实验室硕士研究生）组成。 在“出血性脑卒中临床智能诊疗建模”项目中，团队充分利用出血性脑卒中患者提供的多源数据，通过人工智能技术对血肿的扩大和外周水肿的发生发展进行建模。
针对问题1，对血肿扩大风险相关因素进行建模，采用无监督**-概率聚类和标记（PCLA）方法计算血肿相关特征值与阈值的差值，并构建激活函数进行映射，最终实现准确**。
针对第二个问题，对血肿周围水肿的发生和发展进行建模，构建多项式拟合和BP神经网络算法，并通过可视化图表对结果进行评估。 考虑水肿体积变化率和具体值，采用欧几里得距离和基于EM的GMM聚类方法将患者分为4类，探讨**干预与水肿进展的相关性。 同时对资料进行整理，结合患者分类结果进行χ2验证，判断**对水肿进展的显著影响。 大约。
问题3：为探究出血性脑卒中患者的预后及关键因素，首先，建立不同核函数的分类任务支持向量机SVC和回归任务支持向量机SVR，通过综合评估筛选模型，剔除无关特征，提高模型效率。
此外，设计了具有特征权重函数的SVC模型进行特征区分，根据病史或**方法对离散数据进行分类，观察对MRS的影响，同时对连续数据进行归一化，采用Spearman相关分析进一步揭示糖尿病史等关键特征的显著影响， 冠心病史和 MRS 评分的 ** 方案。
电子科技大学 我想成为头条新闻 双一流 华为数学建模