本书以统计学、群智能最优化算法、计算机科学与技术、综合评价等理论为基础,论述投影寻踪分类(PPC)和投影寻踪回归(PPR)模型在综合评价、排序、分类研究,以及有教师值(有监督)的综合评价、数据拟合、预测、预警研究中的实践应用。第一章主要论述PPC、PPR模型的由来、特点、研究新进展及其存在的主要问题;第二章主要介绍目前常用的PP模型、特性、适用条件等;第三章简要介绍几种全局搜索能力强和局部收敛较快速的群智能最优化算法,并进行实证研究;第四章详细论述一维PPC模型的建模原理、投影窗口半径等参数、归一化方法等对建模结果的影响等,提出判定最优化过程求得全局最优化的定理和推论,论述判断结果正确性、合理性的基本原则,并通过大量实例构建一维PPC模型的流程,以及现有研究中存在的主要问题等;第五章通过实证研究论述建立基于单指标区间评价标准的插值型IPP模型的基本原理、构建原则及其注意事项等;第六章通过实证研究论述建立低维逐次投影寻踪LDSPPC模型的基本原理、构建原则、适用条件及其注意事项等;第七章通过实例论述建立PPR模型、基于试验优化设计的PPR模型,分析其适用条件和存在的主要问题等;第八章主要论述建立PPTR、PPBP、PPAR、PPARTR、PPARBP等投影寻踪耦合模型的基本原理、适用条件、存在问题以及开展实证研究等,论述PPBP与BPNN模型的区别、联系及其选用原则等;第九章主要论述建立PP模型与TOPSIS、GRA、ANN、SFA、云模型等组合模型的基本原理、适用条件和存在的主要问题,以及实证研究等;第十章通过实证研究,手把手带领读者学习建立PPC、IPP、DCPP、MPPC、PPR、PPAR、PPTR、PPBP、PPARTR等模型,展望PP建模理论与应用研究的发展趋势。
本书的特点是内容新颖、理论分析透彻、论证充分、应用实例多、说明详尽,内容深入浅出,便于理解和实际建模,既适用于PP理论初学者,又适用于具有较好基础的读者以及PP模型的专门研究者。
本书可为高校、科研院所从事数据挖掘、建模的高年级本科生、研究生和教师以及有关科技人员提供帮助和应用参考。
展开