溫馨提示：需求數量不同，價格不同。請聯系我們，確認當前新的報價！
NMath是一個.NET類庫，它提供了一般的矢量和矩陣類、復數類以及從優化到FFT的大量計算類。能夠進行基礎數學和線性代數的各種運算，支持數值積分和代數操作等一系列數學運算功能。
基礎.NET數學和統計庫NMath包括復數類、通用向量和矩陣類、結構化稀疏矩陣類和分解、通用稀疏矩陣類和分解、通用矩陣分解、隨機數生成器、快速傅里葉變換（FFT）、數值積分和微分方法、曲線擬合、求根、線性和非線性規劃。
此外，還支持數百種統計程序，包括數十種概率密度函數（PDF）、描述性統計、線性回歸、假設檢驗、方差分析（ANOVA）、主成分分析、非負矩陣分解（NMF）、partial least squares（PLS）、數據過濾、Savitzy-Golay擬合和平滑以及很多其他程序。
對于很多計算，NMath使用Intel?數學內核庫（MKL），其中包含高度優化、線程廣泛的C和FORTRAN公共域計算包版本，稱為BLAS（基本線性代數子程序）和LAPACK（線性代數包）。這使您可以信任NMath例程的性能級別。我們面向對象接口易于使用，并充分利用了.NET平臺的強的功能。
NMath功能概述
基礎數學
單精度和雙精度復數類
各種概率分布的隨機數生成器，用跳讀和跨越式方法的獨立隨機數字流，以及使用Niederreiter和Sobal方法的擬隨機序列
快速傅里葉變換（FFT）、小波以及線性卷積和相關
特殊函數，如階乘函數、二項式函數、gamma函數和相關函數、Bessel函數、橢圓積分等等
線性代數
四種數據類型的全功能向量和矩陣類：單精度和雙精度浮點數，以及單精度和雙精度復數
使用切片和范圍的靈活索引
重載算術運算符及其常規含義。支持它們的.NET語言，相當于那些沒有命名的方法（Add(), Subtract()等）
全功能結構化稀疏矩陣類，三角形矩陣，對稱矩陣，埃米特共軛矩陣，三對角矩陣，帶狀對稱矩陣和帶狀埃米特共軛矩陣
一般矩陣和結構稀疏矩陣類型之間的轉換函數
結構稀疏矩陣置換、計算內積和計算矩陣范數的函數
分解結構化稀疏矩陣的類，包括帶狀矩陣和三對角矩陣的LU分解，對稱矩陣和埃米特共軛矩陣的Bunch-Kaufman分解和對稱矩陣和埃米特共軛正定矩陣的Cholesky分解。一旦構造好，矩陣分解就可以用來求解線性系統，計算行列式、逆矩陣和條件數
一般稀疏向量和矩陣類，以及矩陣分解
一般矩陣的正交分解類，包括QR分解和單值分解（SVD）
一般矩陣的高等least squares分解類，包括Cholesky，QR和SVD
一般矩陣的LU分解，以及求解線性系統、計算行列式、逆矩陣和條件數的函數
解決對稱、埃爾米特和非對稱特征值問題的類
標準數學函數的擴展，如Cos()、Sqrt()和Exp()，用于處理向量、矩陣和復數類
功能
支持數值積分（Romberg and Gauss-Kronrod methods），微分（Ridder's method）和代數運算函數的單變量封裝函數的類
多項式封裝、插值和準確的積分和微分
用黃金分割搜索和Brent方法minimizing單變量函數的類
用單形法，powell's的方向設置法，共軛梯度法和變尺度（或類似牛頓法）minimizing多變量函數的類
模擬退火法
線性規劃（LP）、非線性規劃（NLP）和二次規劃（QP）
Least squares多項式擬合
非線性 least squares minimization、曲線擬合和曲面擬合
使用正割法、Ridders法和Newton-Raphson法查找單變量函數的根的類
二元函數二重積分的數值方法
用Trust-Region方法和Levenberg-Marquardt方法的變體least squares minimization
非線性least squares的曲線擬合和曲面擬合
用Runge-Kutta法求解一階初值微分方程的類
與.NET標準庫集成
使用標準.NET機制的可持久化的數據類
與ADO.NET集成
NMath統計功能概要
用于保存各種類型（數字、字符串、布爾值、日期時間和通用）數據的數據框類，具有附加、插入、排序和置換行和列的方法
用于計算描述性統計的函數，例如平均值、方差、標準差、百分位數、中位數、四分位數、幾何平均值、調和平均值、RMS、峰度、偏度等等
特殊函數，例如階乘、對數階乘、二項式系數、對數二項式、對數gamma、 incomplete gamma、 beta 和 incomplete beta
概率密度函數 (PDF)、累積分布函數 (CDF)、逆 CDF 和各種概率分布的隨機變量矩，包括 beta、二項式、卡方、指數、F、gamma、幾何、邏輯、對數正態、負二項式、正態（Gaussian）、泊松分布、Student's t、三角和Weibull分布
多元線性回歸
基本假設檢驗，例如z test、t-test和 F-test，可計算 p 值、臨界值和置信區間
單向和雙向方差分析 (ANOVA) 和重復測量方差分析 (RANOVA)
非參數檢驗，例如 Kolmogorov-Smirnov 檢驗和 Kruskal-Wallis 秩和檢驗
多元統計分析，包括主成分分析、因子分析、層次聚類分析和k-means聚類分析
非負矩陣分解 (NMF)，以及使用 NMF 的數據聚類
Partial least squares(PLS)，包括交叉驗證以及 SIMPLS 和 NIPALS 算法
數據過濾，包括移動平均過濾器和 Savitzky-Golay 平滑過濾器
NMath庫是 CenterSpace軟件公司NMath Suite的數學庫的一部分，它提供了用于 .NET平臺上數學、金融、工程和科學應用程序的構建模塊。其特性包括了矩陣向量類、線性代數、隨機數生成器、數值積分法、插值法、統計、生物統計學、多元線性回歸、方差分析（ANOVA）、優化和通往公共域計算程序包（含線性代數基本子程序及線性代數包）的面向對象接口，全部NMath的日?；顒佣伎蓮陌–#、 Visual Basic.NET和 F#在內的 .NET語言上調用。
【英文介紹】
NMath from CenterSpace Software is a .NET class library that provides general vector and matrix classes, complex number classes, and a large set of computational classes ranging from optimization to the FFT.
The foundational .NET math and statistics library, NMath, includes complex number classes, general vector and matrix classes, structured sparse matrix classes and factorizations, general sparse matrix classes and factorizations, general matrix decompositions, least squares solutions, random number generators, Fast Fourier Transforms (FFTs), numerical integration and differentiation methods, function minimization, curve fitting, root-finding, linear and nonlinear programming.
Additionally, hundreds of statistical routines are supported including dozens of probability density functions (PDF), descriptive statistics, linear regression, hypothesis tests, analysis of variance (ANOVA), principle component analysis, non-negative matrix factorization (NMF), partial least squares (PLS), data filtering, Savitzy-Golay fitting and smoothing along with many other routines.
For many computations, NMath uses the Intel? Math Kernel Library (MKL), which contains highly-optimized, extensively-threaded versions of the C and FORTRAN public domain computing packages known as the BLAS (Basic Linear Algebra Subroutines) and LAPACK (Linear Algebra PACKage). This gives NMath routines accuracy you can trust, and performance levels comparable to C or Fortran. Our state of the art, object-oriented interfaces are easy to use and leverage the full power of the .NET platform.
