前言
教学建议
第1章 MATLAB基础
1.1 数据分析与MATLAB
1.1.1 数据分析概述
1.1.2 MATLAB在数据分析中的位置和作用
1.2 MATLAB简介
1.2.1 MATLAB的特点
1.2.2 MATLAB7.0界面
1.2.3 MATLAB的联机帮助
1.3 变量与函数
1.3.1 常量与变量
1.3.2 函数
1.4 矩阵及其运算
1.4.1 操作符与运算符
1.4.2 矩阵的输入与运算
1.4.3 数组的输入与运算
1.5 M文件与编程
1.5.1 M文件编辑／调试器窗口
1.5.2 M文件
1.5.3 控制语句的编程
1.6 MATLAB通用操作实例
习题1
第2章 数据描述性分析
2.1 基本统计量与数据可视化
2.1.1 样本数据的基本统计量
2.1.2 样本数据可视化
2.2 数据分布及检验
2.2.1 一元数据分布检验
2.2.2 多维数据的特征值与分布检验
2.3 数据变换
2.3.1 数据属性变换
2.3.2 Zbox-cox变换
2.3.3 基于数据变换的综合评价模型
习题2
实验1 数据统计量及其分布检验
第3章 回归分析
3.1 元回归模型
3.1.1 一元线性回归模型
3.1.2 一元非线性回归模型
3.1.3 一元回归建模实例
3.2 多元线性回归模型
3.2.1 多元线性回归模型及其表示
3.2.2 MATLAB的回归分析命令
3.2.3 多元线性回归实例
3.3 逐步回归
3.3.1 最优回归方程的选择
3.3.2 逐步回归的MATLAB方法
习题3
实验2 多元线性回归与逐步回归
第4章 判别分析
4.1 距离判别分析
4.1.1 判别分析的概念
4.1.2 距离的定义
4.1.3 两总体的距离判别分析
4.1.4 多个总体的距离判别分析
4.2 判别准则的评价
4.3 贝叶斯判别分析
4.3.1 两总体的贝叶斯判别
4.3.2 多个总体的贝叶斯判别
4.3.3 平均误判率
习题4
实验3 距离判别与贝叶斯判别分析
第5章 主成分分析与典型相关分析
5.1 主成分分析
5.1.1 主成分分析的基本原理
5.1.2 样本主成分分析
5.2 主成分分析的应用
5.2.1 主成分分析用于综合评价
5.2.2 主成分分析用于分类
5.2.3 主成分分析用于信号分离
5.3 典型相关分析
5.3.1 典型相关分析的基本原理
5.3.2 样本的典型变量与典型相关系数
5.3.3 典型相关系数的显著性检验
5.3.4 典型相关分析实例
习题5
实验4 主成分分析与典型相关分析
第6章 聚类分析
6.1 距离聚类
6.1.1 聚类的思想
6.1.2 向量的距离
6.1.3 类间距离与递推公式
6.2 谱系聚类与K均值聚类
6.2.1 谱系聚类
6.2.2 K均值聚类
6.3 模糊均值聚类
6.3.1 模糊C均值聚类
6.3 2模糊减法聚类
6.4 聚类的有效性
6.4.1 谱系聚类的有效性
6.4.2 模糊聚类的有效性
习题6
实验5 聚类方法与聚类有效性
第7章 数值模拟分析
7.1 蒙特卡罗方法与应用
7.1.1 蒙特卡罗方法的基本思想
7.1.2 随机数的产生与MATLAB的伪随机数
7.1.3 蒙特卡罗方法应用实例
7.2 BP神经网络及应用
7.2.1 人工神经元及人工神经元网络
7.2.2 BP神经网络
7.2.3 MATLAB神经网络工具箱
7.2.4 BP神经网络应用实例
习题7
实验6 数值模拟
附录 瑞士银行纸币
参考文献
缺书网
扫码进群