投影尋蹤耦合學習方法及應用：評價 預測 決策

第1章　緒論 001
1.1　耦合背景 001
1.1.1 數(shù)據(jù)特征 001
1.1.2 統(tǒng)計學習 003
1.1.3 耦合創(chuàng)新 004
1.2　耦合歷程 005
1.2.1 思想產(chǎn)生 005
1.2.2 一次創(chuàng)新 007
1.2.3 二次創(chuàng)新 009
1.2.4 創(chuàng)新趨勢 014
1.3　基本內(nèi)容 017
1.3.1 目標 017
1.3.2 內(nèi)容 019
1.3.3 路線 021
1.4　本章小結(jié) 022
參考文獻 023
第2章　投影尋蹤耦合學習原理 028
2.1　投影尋蹤思想 028
2.1.1 基本思路 028
2.1.2 投影方向 030
2.1.3 投影指標 031
2.2　基本統(tǒng)計方法 032
2.2.1 聚類分析 033
2.2.2 判別分析 035
2.2.3 密度估計 037
2.2.4 多元回歸 038
2.2.5 離群點檢測 039
2.2.6 時間序列 040
2.3　人工神經(jīng)網(wǎng)絡 041
2.4　耦合學習 042
2.4.1 耦合基礎 042
2.4.2 耦合路徑 044
2.4.3 耦合特點 048
2.5　本章小結(jié) 049
參考文獻 050
第3章　投影尋蹤耦合學習算法 052
3.1　最佳投影方向 052
3.1.1 基本內(nèi)涵 052
3.1.2 優(yōu)化歷程 053
3.2　投影指標 055
3.2.1 投影聚類指標 055
3.2.2 線性投影判別指標 055
3.2.3 Posse投影判別指標 056
3.2.4 投影回歸指標 056
3.2.5 投影密度指標 057
3.3　遺傳算法 057
3.3.1 基本思路 057
3.3.2 基本步驟 058
3.3.3 基本特點 060
3.4　投影智能優(yōu)化算法 061
3.4.1 智能優(yōu)化思路 061
3.4.2 數(shù)據(jù)預處理 062
3.4.3 遺傳優(yōu)化步驟 064
3.5　算法實現(xiàn) 066
3.5.1 耦合轉(zhuǎn)化 066
3.5.2 程序執(zhí)行 067
3.5.3 算法特點 068
3.6　本章小結(jié) 069
參考文獻 070
第4章　投影尋蹤聚類耦合學習 071
4.1　產(chǎn)生背景 071
4.2　聚類原理 073
4.3　投影靜態(tài)聚類耦合學習 076
4.3.1 學習原理 076
4.3.2 算法流程 078
4.3.3 注意事項 080
4.4　投影動態(tài)聚類耦合學習 081
4.4.1 學習原理 081
4.4.2 算法流程 083
4.5　多維投影強化學習 085
4.5.1 學習原理 085
4.5.2 算法流程 086
4.6　高維離群點檢測 088
4.6.1 檢測原理 088
4.6.2 基于假設檢驗的檢測 088
4.6.3 基于聚類的檢測 089
4.7　本章小結(jié) 090
參考文獻 091
第5章　投影尋蹤回歸耦合學習 093
5.1　投影尋蹤回歸原理 093
5.1.1 投影尋蹤回歸函數(shù) 093
5.1.2 非參數(shù)投影尋蹤回歸 094
5.1.3 參數(shù)優(yōu)化策略 096
5.2　投影尋蹤回歸與神經(jīng)網(wǎng)絡 098
5.2.1 神經(jīng)網(wǎng)絡 098
5.2.2 兩方法比較 101
5.3　投影尋蹤回歸網(wǎng)絡學習 103
5.3.1 學習網(wǎng)絡結(jié)構(gòu) 104
5.3.2 網(wǎng)絡神經(jīng)元函數(shù) 105
5.3.3 參數(shù)分類優(yōu)化學習 108
5.4　投影尋蹤回歸模糊推理學習 112
5.4.1 基本原理 112
5.4.2 模糊隸屬度 114
5.4.3 模糊推理 116
5.4.4 學習路線 117
5.5　基于投影尋蹤回歸學習的離群點檢測 119
5.5.1 檢測原理 119
5.5.2 學習流程 120
5.6　本章小結(jié) 120
參考文獻 122
第6章　投影尋蹤函數(shù)型耦合學習 124
6.1　函數(shù)型數(shù)據(jù)分析 124
6.1.1 基本概念 125
6.1.2 函數(shù)型主成分 126
6.1.3 函數(shù)型聚類 127
6.1.4 函數(shù)型回歸 128
6.2　投影尋蹤函數(shù)型主成分 129
6.2.1 基本原理 129
6.2.2 基本模型 130
6.2.3 學習流程 131
6.3　投影尋蹤函數(shù)型聚類 132
6.3.1 基本原理 132
6.3.2 基本模型 133
6.3.3 學習流程 133
6.4　投影尋蹤函數(shù)型回歸 134
6.4.1 基本原理 134
6.4.2 模型構(gòu)建 135
6.4.3 學習流程 137
6.5　投影尋蹤函數(shù)型檢驗 138
6.5.1 正態(tài)檢驗 138
6.5.2 異常值檢驗 140
6.6　本章小結(jié) 141
參考文獻 142
第7章　投影尋蹤耦合學習評價 144
7.1　綜合評價原理 144
7.1.1 綜合評價類型 145
7.1.2 評價指標體系 148
7.2　監(jiān)督綜合評價 149
7.2.1 有監(jiān)督綜合評價 149
7.2.2 無監(jiān)督綜合評價 154
7.3　投影尋蹤聚類學習評價 156
7.3.1 建模思路 156
7.3.2 學習過程 156
7.3.3 水質(zhì)評價 158
7.3.4 結(jié)果分析 163
7.4　本章小結(jié) 166
參考文獻 167
第8章　投影尋蹤耦合學習預測 169
8.1　統(tǒng)計預測基本原理 169
8.1.1 預測分類 169
8.1.2 單途徑預測 170
8.1.3 耦合預測 172
8.1.4 損失函數(shù) 174
8.2　投影尋蹤回歸網(wǎng)絡學習預測 177
8.2.1 對象分析 177
8.2.2 預測模型 179
8.2.3 預測結(jié)果 180
8.3　投影尋蹤回歸模糊推理學習預測 182
8.3.1 對象分析 183
8.3.2 預測模型 184
8.3.3 預測結(jié)果 186
8.4　本章小結(jié) 186
參考文獻 187
第9章　投影尋蹤耦合學習決策 189
9.1　統(tǒng)計決策基礎 189
9.1.1 多準則決策 190
9.1.2 多準則綜合效用 191
9.1.3 多準則統(tǒng)計學習決策 193
9.2　投影尋蹤聚類學習決策 194
9.2.1 基本思路 194
9.2.2 投資方案決策 194
9.2.3 關鍵問題 198
9.3　投影尋蹤回歸學習決策 199
9.3.1 基本思路 199
9.3.2 投標決策基礎 199
9.3.3 投標決策模型 202
9.3.4 應用結(jié)果 204
9.4　本章小結(jié) 211
參考文獻 211
結(jié)語 214