第1章 绪论
1.1 耦合背景
1.1.1 数据特征
1.1.2 统计学习
1.1.3 耦合创新
1.2 耦合历程
1.2.1 思想产生
1.2.2 一次创新
1.2.3 二次创新
1.2.4 创新趋势
1.3 基本内容
1.3.1 目标
1.3.2 内容
1.3.3 路线
1.4 本章小结
参考文献
第2章 投影寻踪耦合学习原理
2.1 投影寻踪思想
2.1.1 基本思路
2.1.2 投影方向
2.1.3 投影指标
2.2 基本统计方法
2.2.1 聚类分析
2.2.2 判别分析
2.2.3 密度估计
2.2.4 多元回归
2.2.5 离群点检测
2.2.6 时间序列
2.3 人工神经网络
2.4 耦合学习
2.4.1 耦合基础
2.4.2 耦合路径
2.4.3 耦合特点
2.5 本章小结
参考文献
第3章 投影寻踪耦合学习算法
3.1 最佳投影方向
3.1.1 基本内涵
3.1.2 优化历程
3.2 投影指标
3.2.1 投影聚类指标
3.2.2 线性投影判别指标
3.2.3 Posse投影判别指标
3.2.4 投影回归指标
3.2.5 投影密度指标
3.3 遗传算法
3.3.1 基本思路
3.3.2 基本步骤
3.3.3 基本特点
3.4 投影智能优化算法
3.4.1 智能优化思路
3.4.2 数据预处理
3.4.3 遗传优化步骤
3.5 算法实现
3.5.1 耦合转化
3.5.2 程序执行
3.5.3 算法特点
3.6 本章小结
参考文献
第4章 投影寻踪聚类耦合学习
4.1 产生背景
4.2 聚类原理
4.3 投影静态聚类耦合学习
4.3.1 学习原理
4.3.2 算法流程
4.3.3 注意事项
4.4 投影动态聚类耦合学习
4.4.1 学习原理
4.4.2 算法流程
4.5 多维投影强化学习
4.5.1 学习原理
4.5.2 算法流程
4.6 高维离群点检测
4.6.1 检测原理
4.6.2 基于假设检验的检测
4.6.3 基于聚类的检测
4.7 本章小结
参考文献
第5章 投影寻踪回归耦合学习
5.1 投影寻踪回归原理
5.1.1 投影寻踪回归函数
5.1.2 非参数投影寻踪回归
5.1.3 参数优化策略
5.2 投影寻踪回归与神经网络
5.2.1 神经网络
5.2.2 两方法比较
5.3 投影寻踪回归网络学习
5.3.1 学习网络结构
5.3.2 网络神经元函数
5.3.3 参数分类优化学习
5.4 投影寻踪回归模糊推理学习
5.4.1 基本原理
5.4.2 模糊隶属度
5.4.3 模糊推理
5.4.4 学习路线
5.5 基于投影寻踪回归学习的离群点检测
5.5.1 检测原理
5.5.2 学习流程
5.6 本章小结
参考文献
第6章 投影寻踪函数型耦合学习
6.1 函数型数据分析
6.1.1 基本概念
6.1.2 函数型主成分
6.1.3 函数型聚类
6.1.4 函数型回归
6.2 投影寻踪函数型主成分
6.2.1 基本原理
6.2.2 基本模型
6.2.3 学习流程
6.3 投影寻踪函数型聚类
6.3.1 基本原理
6.3.2 基本模型
6.3.3 学习流程
6.4 投影寻踪函数型回归
6.4.1 基本原理
6.4.2 模型构建
6.4.3 学习流程
6.5 投影寻踪函数型检验
6.5.1 正态检验
6.5.2 异常值检验
6.6 本章小结
参考文献
第7章 投影寻踪耦合学习评价
7.1 综合评价原理
7.1.1 综合评价类型
7.1.2 评价指标体系
7.2 监督综合评价
7.2.1 有监督综合评价
7.2.2 无监督综合评价
7.3 投影寻踪聚类学习评价
7.3.1 建模思路
7.3.2 学习过程
7.3.3 水质评价
7.3.4 结果分析
7.4 本章小结
参考文献
第8章 投影寻踪耦合学习预测
8.1 统计预测基本原理
8.1.1 预测分类
8.1.2 单途径预测
8.1.3 耦合预测
8.1.4 损失函数
8.2 投影寻踪回归网络学习预测
8.2.1 对象分析
8.2.2 预测模型
8.2.3 预测结果
8.3 投影寻踪回归模糊推理学习预测
8.3.1 对象分析
8.3.2 预测模型
8.3.3 预测结果
8.4 本章小结
参考文献
第9章 投影寻踪耦合学习决策
9.1 统计决策基础
9.1.1 多准则决策
9.1.2 多准则综合效用
9.1.3 多准则统计学习决策
9.2 投影寻踪聚类学习决策
9.2.1 基本思路
9.2.2 投资方案决策
9.2.3 关键问题
9.3 投影寻踪回归学习决策
9.3.1 基本思路
9.3.2 投标决策基础
9.3.3 投标决策模型
9.3.4 应用结果
9.4 本章小结
参考文献
结语
展开
