投影尋蹤耦合學(xué)習(xí)方法及應(yīng)用：評價 預(yù)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(xué)習(xí) 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(biāo) 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(xiàn) 023
第2章　投影尋蹤耦合學(xué)習(xí)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(biāo) 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(luò) 041
2.4　耦合學(xué)習(xí) 042
2.4.1 耦合基礎(chǔ) 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(xiàn) 050
第3章　投影尋蹤耦合學(xué)習(xí)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(biāo) 055
3.2.1 投影聚類指標(biāo) 055
3.2.2 線性投影判別指標(biāo) 055
3.2.3 Posse投影判別指標(biāo) 056
3.2.4 投影回歸指標(biāo) 056
3.2.5 投影密度指標(biāo) 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(yù)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(xiàn) 070
第4章　投影尋蹤聚類耦合學(xué)習(xí) 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(xué)習(xí) 076
4.3.1 學(xué)習(xí)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(xué)習(xí) 081
4.4.1 學(xué)習(xí)原理 081
4.4.2 算法流程 083
4.5　多維投影強(qiáng)化學(xué)習(xí) 085
4.5.1 學(xué)習(xí)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(shè)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(xiàn) 091
第5章　投影尋蹤回歸耦合學(xué)習(xí) 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(luò) 098
5.2.1 神經(jīng)網(wǎng)絡(luò) 098
5.2.2 兩方法比較 101
5.3　投影尋蹤回歸網(wǎng)絡(luò)學(xué)習(xí) 103
5.3.1 學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu) 104
5.3.2 網(wǎng)絡(luò)神經(jīng)元函數(shù) 105
5.3.3 參數(shù)分類優(yōu)化學(xué)習(xí) 108
5.4　投影尋蹤回歸模糊推理學(xué)習(xí) 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(xué)習(xí)路線 117
5.5　基于投影尋蹤回歸學(xué)習(xí)的離群點檢測 119
5.5.1 檢測原理 119
5.5.2 學(xué)習(xí)流程 120
5.6　本章小結(jié) 120
參考文獻(xiàn) 122
第6章　投影尋蹤函數(shù)型耦合學(xué)習(xí) 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(xué)習(xí)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(xué)習(xí)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(xué)習(xí)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(xiàn) 142
第7章　投影尋蹤耦合學(xué)習(xí)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(biāo)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(xué)習(xí)評價 156
7.3.1 建模思路 156
7.3.2 學(xué)習(xí)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(xiàn) 167
第8章　投影尋蹤耦合學(xué)習(xí)預(yù)測 169
8.1　統(tǒng)計預(yù)測基本原理 169
8.1.1 預(yù)測分類 169
8.1.2 單途徑預(yù)測 170
8.1.3 耦合預(yù)測 172
8.1.4 損失函數(shù) 174
8.2　投影尋蹤回歸網(wǎng)絡(luò)學(xué)習(xí)預(yù)測 177
8.2.1 對象分析 177
8.2.2 預(yù)測模型 179
8.2.3 預(yù)測結(jié)果 180
8.3　投影尋蹤回歸模糊推理學(xué)習(xí)預(yù)測 182
8.3.1 對象分析 183
8.3.2 預(yù)測模型 184
8.3.3 預(yù)測結(jié)果 186
8.4　本章小結(jié) 186
參考文獻(xiàn) 187
第9章　投影尋蹤耦合學(xué)習(xí)決策 189
9.1　統(tǒng)計決策基礎(chǔ) 189
9.1.1 多準(zhǔn)則決策 190
9.1.2 多準(zhǔn)則綜合效用 191
9.1.3 多準(zhǔn)則統(tǒng)計學(xué)習(xí)決策 193
9.2　投影尋蹤聚類學(xué)習(xí)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(guān)鍵問題 198
9.3　投影尋蹤回歸學(xué)習(xí)決策 199
9.3.1 基本思路 199
9.3.2 投標(biāo)決策基礎(chǔ) 199
9.3.3 投標(biāo)決策模型 202
9.3.4 應(yīng)用結(jié)果 204
9.4　本章小結(jié) 211
參考文獻(xiàn) 211
結(jié)語 214