书籍详情
小样本多元数据分析方法及应用
作者：张恒喜[等]著
出版社：西北工业大学出版社
出版时间：2002-09-01
ISBN：9787561215616
定价：¥15.00
购买这本书可以去
内容简介
张恒喜，男，1937年2月出生，1965年毕业于西北工业大学飞机设计专业。现任空军工程大学工程学院装备维修保障工程研究所所长，教授，博士生导师，空军级专家，享受政府特殊津贴。中国数量经济学会理事、军事系统工程委员会委员、空军军标委委员。主要研究方向为飞机系统工程、效费分析、数字化综合保障工程、智能信息处理。取得“飞机全寿命费用分析”等多项科研成果，其中，国家级科技进步二等奖1项、二等奖3项、三等然2项。军队院校育才奖金奖获得者。著有《现代飞机效费分析》等4部专著。在《航空学报》等10多种文核心期刊发表论文40余篇。本书深入揭示了小样本多元数据的实质和特点，对多元回归法和现代多种建模方法进行了剖析、比较、验证和拓展，提出了小样本多元数据分析的理论和方法，构建了从不同侧面克服小样本多元数据建模困难的完整的建模方法体系。全书共8章，包括：绪论，多元线性回归分析，偏最小二乘回归分析，方差分量线性模型，自变量筛选和综合特征参数模型，贝叶斯统计分析方法，统计学习理论与支持矢量机，其他分析方法的探讨。本书可供高等院校飞行器设计、系统工程、管理科学与工程、数量经济学和有关专业的本科生及研究生阅读，也可供研究人员、工程技术人员及有关人员参考。
作者简介
张恒喜，男，1937年2月出生，1965年毕业于西北工业大学飞机设计专业。现任空军工程大学工程学院装备维修保障工程研究所所长，教授，博士生导师，空军级专家，享受政府特殊津贴。中国数量经济学会理事、军事系统工程委员会委员、空军军标委委员。主要研究方向为飞机系统工程、效费分析、数字化综合保障工程、智能信息处理。取得“飞机全寿命费用分析”等多项科研成果，其中，国家级科技进步二等奖1项、二等奖3项、三等然2项。军队院校育才奖金奖获得者。著有《现代飞机效费分析》等4部专著。在《航空学报》等10多种文核心期刊发表论文40余篇。
目录
第1章 绪论
1. 1 小样本多元数据分析问题的背景
1. 2 小样本多元数据分析的特点
1. 2. 1 小样本多元数据分析的假设条件
1. 2. 2 多元线性回归分析中样本容量问题的讨论
第2章 多元线性回归分析
2. 1 多元线性回归分析原理
2. 1. 1 多元线性模型的形式和参数估计
2. 1. 2 模型的假设检验
2. 2 实例分析
第3章 偏最小二乘回归分析
3. 1 偏最小二乘回归方法概述
3. 2 偏最小二乘回归分析的原理
3. 2. 1 偏最小二乘回归分析的算法和思路
3. 2. 2 偏最小二乘回归的建模步骤
3. 2. 3 交叉有效性分析
3. 3 偏最小二乘回归的辅助分析技术
3. 3. 1 变量投影重要性分析
3. 3. 2 X和y之间相关关系分析
3. 3. 3 特异样本的判别
3. 4 实例分析
3. 5 偏最小二乘回归与其他回归方法的比较
第4章 方差分量线性模型
4. 1 问题提出的背景
4. 2 方差分量线性模型的分析方法
4. 2. 1 方差分量线性模型的基本概念
4. 2. 2 方差分量线性模型的参数估计
4. 3 实例分析
第5章 自变量筛选和综合特征参数模型
5. 1 自变量筛选方法
5. 1. 1 自变量筛选方法分析
5. 1. 2 灰色关联度分析方法的探讨
5. 2 综合特征参数模型
5. 2. 1 综合特征参数模型的特点
5. 2. 2 战斗机常用综合特征参数的构建
第6章 贝叶斯统计分析方法
6. 1 贝叶斯统计分析的基本理论
6. 2 贝叶斯推断
6. 2. 1 先验获取
6. 2. 2 点估计
6. 2. 3 可信区间
6. 2. 4 假设检验
6. 3 贝叶斯多元数据分析模型
6. 3. 1 多元线性模型
6. 3. 2 广义线性模型
6. 3. 3 近似方法
6. 3. 4 案例分析
6. 4 贝叶斯网络
6. 4. 1 贝叶斯网络的结构及建立方法
6. 4. 2 贝叶斯网络的语义
6. 4. 3 贝叶斯网络的推断
6. 4. 4 学习贝叶斯网络
第7章 统计学习理论与支持矢量机
7. 1 机器学习基本原理
7. 1. 1 学习问题的表示
7. 1. 2 经验风险最小化归纳原则
7. 1. 3 学习的复杂性与推广性分析
7. 2 统计学习理论
7. 2. 1 学习过程一致性
7. 2. 2 函数集的VC维
7. 2. 3 学习机器推广性的界
7. 2. 4 结构风险最小化归纳原则
7. 3 支持矢量机
7. 3. 1 最优分类超平面
7. 3. 2 广义最优分类超平面
7. 3. 3 支持矢量机
7. 3. 4 支持矢量回归估计
7. 3. 5 最小二乘支持矢量机
7. 4 基于支持矢量机的R&D项目中止决策
7. 4. 1 构建支持矢量机多元分类器
7. 4. 2 基于SVM的RSLD项目中止决策模型
7. 4. 3 R&D项目中止决策实例分析
7. 5 支持矢量机对多参数武器装备费用预测
7. 5. 1 装备费用的SVR预测模型
7. 5. 2 装备费用预测实例
7. 6 可靠性分布模式智能识别
7. 6. 1 SOM网络算法
7. 6. 2 改进SOM网络算法
7. 6. 3 构建可靠性分布模式
7. 6. 4 基于复合结构的智能识别
第8章 其他分析方法的探讨
8. 1 人工神经网络的建模分析
8. 1. 1 BP神经网络建模原理
8. 1. 2 基于Matlab的BP网络分析实例
8. 2 模糊系统的建模分析
8. 2. 1 ANFIS系统的建模原理
8. 2. 2 基于Matlab的ANFIS系统分析实例
参考文献
1. 1 小样本多元数据分析问题的背景
1. 2 小样本多元数据分析的特点
1. 2. 1 小样本多元数据分析的假设条件
1. 2. 2 多元线性回归分析中样本容量问题的讨论
第2章 多元线性回归分析
2. 1 多元线性回归分析原理
2. 1. 1 多元线性模型的形式和参数估计
2. 1. 2 模型的假设检验
2. 2 实例分析
第3章 偏最小二乘回归分析
3. 1 偏最小二乘回归方法概述
3. 2 偏最小二乘回归分析的原理
3. 2. 1 偏最小二乘回归分析的算法和思路
3. 2. 2 偏最小二乘回归的建模步骤
3. 2. 3 交叉有效性分析
3. 3 偏最小二乘回归的辅助分析技术
3. 3. 1 变量投影重要性分析
3. 3. 2 X和y之间相关关系分析
3. 3. 3 特异样本的判别
3. 4 实例分析
3. 5 偏最小二乘回归与其他回归方法的比较
第4章 方差分量线性模型
4. 1 问题提出的背景
4. 2 方差分量线性模型的分析方法
4. 2. 1 方差分量线性模型的基本概念
4. 2. 2 方差分量线性模型的参数估计
4. 3 实例分析
第5章 自变量筛选和综合特征参数模型
5. 1 自变量筛选方法
5. 1. 1 自变量筛选方法分析
5. 1. 2 灰色关联度分析方法的探讨
5. 2 综合特征参数模型
5. 2. 1 综合特征参数模型的特点
5. 2. 2 战斗机常用综合特征参数的构建
第6章 贝叶斯统计分析方法
6. 1 贝叶斯统计分析的基本理论
6. 2 贝叶斯推断
6. 2. 1 先验获取
6. 2. 2 点估计
6. 2. 3 可信区间
6. 2. 4 假设检验
6. 3 贝叶斯多元数据分析模型
6. 3. 1 多元线性模型
6. 3. 2 广义线性模型
6. 3. 3 近似方法
6. 3. 4 案例分析
6. 4 贝叶斯网络
6. 4. 1 贝叶斯网络的结构及建立方法
6. 4. 2 贝叶斯网络的语义
6. 4. 3 贝叶斯网络的推断
6. 4. 4 学习贝叶斯网络
第7章 统计学习理论与支持矢量机
7. 1 机器学习基本原理
7. 1. 1 学习问题的表示
7. 1. 2 经验风险最小化归纳原则
7. 1. 3 学习的复杂性与推广性分析
7. 2 统计学习理论
7. 2. 1 学习过程一致性
7. 2. 2 函数集的VC维
7. 2. 3 学习机器推广性的界
7. 2. 4 结构风险最小化归纳原则
7. 3 支持矢量机
7. 3. 1 最优分类超平面
7. 3. 2 广义最优分类超平面
7. 3. 3 支持矢量机
7. 3. 4 支持矢量回归估计
7. 3. 5 最小二乘支持矢量机
7. 4 基于支持矢量机的R&D项目中止决策
7. 4. 1 构建支持矢量机多元分类器
7. 4. 2 基于SVM的RSLD项目中止决策模型
7. 4. 3 R&D项目中止决策实例分析
7. 5 支持矢量机对多参数武器装备费用预测
7. 5. 1 装备费用的SVR预测模型
7. 5. 2 装备费用预测实例
7. 6 可靠性分布模式智能识别
7. 6. 1 SOM网络算法
7. 6. 2 改进SOM网络算法
7. 6. 3 构建可靠性分布模式
7. 6. 4 基于复合结构的智能识别
第8章 其他分析方法的探讨
8. 1 人工神经网络的建模分析
8. 1. 1 BP神经网络建模原理
8. 1. 2 基于Matlab的BP网络分析实例
8. 2 模糊系统的建模分析
8. 2. 1 ANFIS系统的建模原理
8. 2. 2 基于Matlab的ANFIS系统分析实例
参考文献
猜您喜欢
