第1章 概述
1.1 科研数据
1.1.1 科研数据的来源
1.1.2 科学数据的类型
1.2 检测数据与科研数据
1.3 科研数据的不确定性
1.3.1 不确定性原理的提出
1.3.2 科研数据不确定性因素
1.3.3 科研数据不确定性的特征
第2章 计量与数据分析基础
2.1 计量学基础与误差理论
2.1.1 量值溯源
2.1.2 误差
2.1.3 测量准确度的质量概述
2.1.4 不确定度
2.1.5 测量标准化与一致化
2.2 概率论与数理统计
2.2.1 数据分布
2.2.2 数据模型
2.2.3 数据分析
2.2.4 敏感性分析
第3章 试验设计
3.1 典型试验设计方法
3.2 正交试验设计
3.2.1 正交表
3.2.2 无交互作用的正交设计
3.2.3 有交互作用的正交设计
3.2.4 水平数不等的试验设计
3.2.5 用正交表进行试验设计的原则
3.2.6 正交设计的优良性准则
3.2.7 非正规正交设计
3.3 最优回归设计
3.3.1 D-最优设计
3.3.2 A-最优设计
3.3.3 E-最优设计
3.4 均匀试验设计
3.4.1 总体均值模型
3.4.2 均匀性度量
3.4.3 均匀设计表的构造
3.4.4 实验数据处理
3.4.5 正交性与均匀性的联系
3.5 计算机实验
3.5.1 超拉丁方抽样
3.5.2 随机化正交阵列
3.5.3 正交超拉丁方设计
3.6 区组设计
3.6.1 完全随机区组设计
3.6.2 拉丁方设计
3.6.3 平衡不完全随机区组设计
3.7 序贯设计
3.7.1 优选法
3.7.2 响应面法
3.7.3 序贯均匀设计
第4章 特征提取与建模
4.1 数据预处理
4.1.1 数据清理
4.1.2 数据变换
4.2 特征提取
4.2.1 时域分析法
4.2.2 频域分析法
4.2.3 时频分析法
4.3 数据分类
4.4 回归分析
4.4.1 线性回归
4.4.2 逻辑回归
4.4.3 多项式回归
第5章 过程控制与科研数据一致化
5.1 过程控制
5.1.1 必要性
5.1.2 准则
5.2 数据一致化
第6章 科研数据的分析方法
6.1 一致性分析
6.2 特征分析
6.2.1 主成分分析
6.2.2 非负矩阵因子分解
6.2.3 因子分析
6.3 判别分析/分类
6.3.1 基于距离的分类
6.3.2 贝叶斯分类
6.3.3 分类树
6.4 聚类分析
6.4.1 等级聚类
6.4.2 k均值聚类
6.4.3 高斯混合模型
6.5 相关分析
6.6 相应分析
第7章 科研数据不确定性评估方法
7.1 科研数据不确定性来源
7.1.1 分类
7.1.2 来源
7.2 科研数据不确定性评估方法
7.2.1 蒙特卡洛方法
7.2.2 灰色系统方法
7.2.3 模糊数学方法
7.2.4 贝叶斯方法
7.2.5 神经网络
7.2.6 聚类方法
7.2.7 GUM方法
7.2.8 信息熵方法
第8章 测量系统的不确定性评估
8.1 测量系统不确定性分析
8.2 基于误差溯源的分析方法
8.3 基于量值特性的分析方法
8.4 测量系统不确定性模型
8.4.1 测量模型与不确定性分析模型
8.4.2 测量不确定性评定模型化流程
第9章 小样本数据模型问题
9.1 小样本数据
9.2 小样本数据常见模型
9.2.1 多元线性回归分析
9.2.2 偏最小二乘回归分析
9.2.3 方差分量线性模型
9.2.4 统计学习理论和支持向量机
9.2.5 其他分析方法探讨
第10章 实验数据的风险评价
10.1 概述
10.2 评估指标体系
10.3 风险评估指标权重分配
10.3.1 层次分析法
10.3.2 权重分配过程
10.4 实验风险评估模型构建
第11章 大数据的现状分析和未来展望
11.1 大数据的现状分析
11.2 大数据的未来展望
第12章 多元不完整数据的不确定性评估
12.1 背景
12.2 分析方法
12.2.1 EM算法介绍
12.2.2 EM算法的迭代法则
12.3 实例分析
12.3.1 不完整数据的不确定性评估
12.3.2 含有离群值数据的不确定性评估
12.3.3 地铁中行人出站步行时间的不确定性评估
第13章 计算机实验数据的不确定性评估
13.1 背景
13.2 统计模型
13.2.1 高斯过程模型
13.2.2 经验最优线性无偏预测
13.2.3 分布的预测
13.3 试验设计与改进的蒙特卡洛方法
13.4 多精度计算机实验的整合分析
13.4.1 基于高斯过程模型的两精度贝叶斯整合分析
13.4.2 扩展到多水平情形
13.4.3 模拟研究
13.4.4 铸造仿真实例分析
13.4.5 小结
13.5 不确定性评估
附录A 典型科研数据不确定性的评估
A.1 不平衡数据
A.2 可重复性实验数据
A.3 多维度数据
A.4 离群数据
参考文献
展开
