MATLAB數據分析方法 MATLAB数据分析方法

李柏年, 吳禮斌, 等

  • 出版商: 機械工業
  • 出版日期: 2012-01-01
  • 定價: $174
  • 售價: 8.5$148
  • 語言: 簡體中文
  • 頁數: 187
  • 裝訂: 平裝
  • ISBN: 711136287X
  • ISBN-13: 9787111362876
  • 相關分類: Matlab資料科學

下單後立即進貨 (約4週~6週)

買這商品的人也買了...

商品描述

 

<內容簡介>

數據分析是用適當的統計方法對各種數據加以詳細研究和概括總結的過程,已成為當代自然科學和社會科學各個學科研究者必備的知識。MATLAB是一套高性能的數值計算和可視化軟件,是實現數據分析與處理的有效工具。李柏年、吳禮斌主編的《MATLAB數據分析方法》介紹數據分析的基本內容與方法,應用MATIAB軟件既面向對象又面向過程地編寫實際數據分析程序。全書共分7章,主要內容包括:MATLAB基礎、數據描述性分析、回歸分析、判別分析、主成分分析與典型相關分析、聚類分析、數值模擬分析。
每章末精心編寫習題供讀者練習,此外每章還安排了緊密聯繫實際的綜合性、分析性實驗內容。
《MATLAB數據分析方法》適用於電腦科學與技術、信息與計算科學、統計學等專業的本科生,還可作為相關專業本科生選修課程教材,並可供碩士研究生以及科技工作者參考。

 

<章節目錄>

前言
教學建議
第1章  MATLAB基礎
  1.1 數據分析與MATLAB
    1.1.1 數據分析概述
    1.1.2 MATLAB在數據分析中的位置和作用
  1.2 MATLAB簡介
    1.2.1 MATLAB的特點
    1.2.2 MATLAB7.0界面
    1.2.3 MATLAB的聯機幫助
  1.3 變量與函數
    1.3.1 常量與變量
    1.3.2 函數
  1.4 矩陣及其運算
    1.4.1 操作符與運算符
    1.4.2 矩陣的輸入與運算
    1.4.3 數組的輸入與運算
  1.5 M文件與編程
    1.5.1 M文件編輯∕調試器窗口
    1.5.2 M文件
    1.5.3 控制語句的編程
  1.6 MATLAB通用操作實例
  習題1
第2章  數據描述性分析
  2.1 基本統計量與數據可視化
    2.1.1 樣本數據的基本統計量
    2.1.2 樣本數據可視化
  2.2 數據分佈及檢驗
    2.2.1 一元數據分佈檢驗
    2.2.2 多維數據的特徵值與分佈檢驗
  2.3 數據變換
    2.3.1 數據屬性變換
    2.3.2 Zbox-cox變換
    2.3.3 基於數據變換的綜合評價模型
  習題2
  實驗1 數據統計量及其分佈檢驗
第3章  回歸分析
  3.1 元回歸模型
    3.1.1 一元線性回歸模型
    3.1.2 一元非線性回歸模型
    3.1.3 一元回歸建模實例
  3.2 多元線性回歸模型
    3.2.1 多元線性回歸模型及其表示
    3.2.2 MATLAB的回歸分析命令
    3.2.3 多元線性回歸實例
  3.3 逐步回歸
    3.3.1 最優回歸方程的選擇
    3.3.2 逐步回歸的MATLAB方法
  習題3
  實驗2 多元線性回歸與逐步回歸

第4章  判別分析
  4.1 距離判別分析
    4.1.1 判別分析的概念
    4.1.2 距離的定義
    4.1.3 兩總體的距離判別分析
    4.1.4 多個總體的距離判別分析
  4.2 判別準則的評價
  4.3 貝葉斯判別分析
    4.3.1 兩總體的貝葉斯判別
    4.3.2 多個總體的貝葉斯判別
    4.3.3 平均誤判率
  習題4
  實驗3 距離判別與貝葉斯判別分析
第5章  主成分分析與典型相關分析
  5.1 主成分分析
    5.1.1 主成分分析的基本原理
    5.1.2 樣本主成分分析
  5.2 主成分分析的應用
    5.2.1 主成分分析用於綜合評價
    5.2.2 主成分分析用於分類
    5.2.3 主成分分析用於信號分離
  5.3 典型相關分析
    5.3.1 典型相關分析的基本原理
    5.3.2 樣本的典型變量與典型相關係數
    5.3.3 典型相關係數的顯著性檢驗
    5.3.4 典型相關分析實例
  習題5
  實驗4 主成分分析與典型相關分析
第6章  聚類分析
  6.1 距離聚類
    6.1.1 聚類的思想
    6.1.2 向量的距離
    6.1.3 類間距離與遞推公式
  6.2 譜系聚類與K均值聚類
    6.2.1 譜系聚類
    6.2.2 K均值聚類
  6.3 模糊均值聚類
    6.3.1 模糊C均值聚類
    6.3 2模糊減法聚類
  6.4 聚類的有效性
    6.4.1 譜系聚類的有效性
    6.4.2 模糊聚類的有效性
  習題6
  實驗5 聚類方法與聚類有效性
第7章  數值模擬分析
  7.1 蒙特卡羅方法與應用
    7.1.1 蒙特卡羅方法的基本思想
    7.1.2 隨機數的產生與MATLAB的偽隨機數
    7.1.3 蒙特卡羅方法應用實例
  7.2 BP神經網絡及應用

    7.2.1 人工神經元及人工神經元網絡
    7.2.2 BP神經網絡
    7.2.3 MATLAB神經網絡工具箱
    7.2.4 BP神經網絡應用實例
  習題7
  實驗6 數值模擬
附錄  瑞士銀行紙幣
參考文獻