当前位置:首页 > 天文地球
基于Matlab的地理数据分析
基于Matlab的地理数据分析

基于Matlab的地理数据分析PDF电子书下载

天文地球

  • 电子书积分:14 积分如何计算积分?
  • 作 者:陈彦光编著
  • 出 版 社:北京:高等教育出版社
  • 出版年份:2012
  • ISBN:9787040341720
  • 页数:402 页
图书介绍:本书面向地理问题,基于Matlab软件,讲述了大量数学方法的应用思路和过程。教学内容涉及回归分析、主成分分析、因子分析、聚类分析、判别分析、时(空)间序列分析、Markov链、R/S分析、线性规划、层次分析法以及人工神经网络建模等方法。通过模仿本书讲授的计算过程,读者可以加深对有关数学方法的认识和理解,并且掌握很多Matlab的应用技巧。本书最初以北京大学本科生计量地理学的辅助教材形式出现,但实际上是作者对Matlab计算功能深入运用经验总结的一系列成果的集合。书中的讲授体例与一般Matlab的教科书不同,计算过程设计为作者独创,在国内外其他教科书中不能见到。本书虽然是以地理数据为分析对象展开论述,但所涉及的内容绝大多数为通用方法。只要改变数据的来源,书中给出的计算过程完全可以应用到其他领域。本书可供地理学、生态学、环境科学、地质学、经济学、城市规划学乃至医学、生物学等诸多领域的学生、研究人员以至工程技术人员学习或参考。
《基于Matlab的地理数据分析》目录

第1章 一元线性回归分析 1

1.1 线性回归模型的矩阵形式 1

1.1.1 回归模型的矩阵表示 1

1.1.2 主要统计量的矩阵表示 2

1.2 一元线性回归 4

1.2.1 数据的初步考察 4

1.2.2 第一种模型求解途径——矩阵运算 5

1.2.3 第二种模型求解途径——多项式拟合 7

1.2.4 第三种模型求解途径——调用回归分析程序包 9

1.3 统计检验 13

1.3.1 相关知识的说明 13

1.3.2 主要的统计检验 14

1.4 总体回归估计和预测分析 16

1.4.1 总体回归估计 16

1.4.2 解释和外推预测分析 17

1.5 小结 19

第2章 多元逐步回归分析 21

2.1 多元线性回归分析 21

2.1.1 第一种途径——利用矩阵运算 21

2.1.2 第二种途径——调用回归分析程序包 24

2.1.3 统计检验 26

2.2 多重共线性判断 29

2.2.1 VIF值的第一种计算方法 29

2.2.2 VIF值的第二种计算方法 32

2.2.3 多元回归分析的变量选择问题 32

2.3 逐步回归分析 34

2.3.1 Matlab逐步回归功能说明 34

2.3.2 逐步回归的实现 36

2.3.3 回归结果的输出和解读 39

2.4 逐步拟合 42

2.4.1 快速拟合方法 42

2.4.2 详细拟合方法 43

2.4.3 几点说明 45

2.5 小结 45

第3章 非线性模型参数估计 47

3.1 常见数学模型表达式 47

3.2 常见实例——一变量的情形 49

3.2.1 指数模型(Ⅰ) 49

3.2.2 对数模型 56

3.2.3 幂指数模型 59

3.2.4 双曲线模型 63

3.2.5 Logistic模型(二参数形式) 68

3.2.6 指数模型(Ⅱ) 72

3.2.7 指数模型与logistic模型 75

3.3 常见实例——一变量化为多变量的情形 79

3.3.1 多项式模型 79

3.3.2 二次指数模型 83

3.3.3 三参数logistic模型 85

3.3.4 Gamma模型 94

3.4 常见实例——多变量的情形 97

3.4.1 Cobb-Douglas生产函数 97

3.4.2 带有交叉变量的回归模型 99

3.5 广义线性拟合 100

3.5.1 广义线性拟合函数 100

3.5.2 典型的例子 102

3.6 方法比较 107

3.7 小结 109

第4章 主成分分析 110

4.1 实例和数据 110

4.1.1 案例数据 110

4.1.2 数据的保存与调用 112

4.2 第一套计算方案 113

4.2.1 详细计算步骤 113

4.2.2 计算程序的整理和结果的输出 120

4.2.3 计算结果的整理 123

4.3 第二套计算方案 124

4.3.1 程序的修改 124

4.3.2 两套方案的比较 125

4.4 第三套计算方案 127

4.4.1 计算程序 127

4.4.2 T统计量 130

4.5 配套函数的调用 131

4.5.1 从协方差矩阵出发 131

4.5.2 主成分的残差分析 133

4.5.3 Bartlett检验 134

4.6 结果分析方法 135

4.6.1 结果分析 135

4.6.2 综合评价 136

4.7 小结 138

第5章 因子分析 140

5.1 因子分析程序和案例 140

5.1.1 因子分析子程序 140

5.1.2 因子旋转子程序 142

5.1.3 案例与数据 145

5.2 因子模型的主成分解 146

5.2.1 主因子解 146

5.2.2 主因子解的正交旋转 148

5.3 因子模型的最大似然解 149

5.3.1 从原始数据出发 149

5.3.2 从协方差矩阵出发 154

5.3.3 载荷得分双重图 156

5.4 小结 157

第6章 层次聚类分析 159

6.1 聚类实例的初步结果 159

6.1.1 实例和数据 159

6.1.2 初步的聚类结果 160

6.2 程序说明与结果解析 161

6.2.1 聚类程序说明 161

6.2.2 聚类结果的解读 168

6.3 效果检验和类别查找 169

6.3.1 聚类效果检测 169

6.3.2 聚类结果的查询 170

6.3.3 聚类结果的比较 171

6.4 距离的选择与处理 174

6.4.1 欧氏距离平方 174

6.4.2 精度加权距离 175

6.4.3 主成分得分与马氏距离 177

6.5 聚类分析结论 178

6.6 小结 179

第7章 判别分析 181

7.1 案例和判别函数 181

7.1.1 数据及其来源 181

7.1.2 判别函数的调用方法 183

7.2 直接判别 184

7.2.1 二分类判别分析 184

7.2.2 三分类判别分析 186

7.3 详细计算过程 188

7.3.1 构造判别函数 188

7.3.2 数值的规范化处理 192

7.3.3 判别函数检验 194

7.3.4 待判样品归类 197

7.4 借助回归分析建立判别函数 198

7.5 聚类-判别联合分析 200

7.6 小结 201

第8章 自相关分析 202

8.1 数据来源和计算公式 202

8.1.1 案例数据来源 202

8.1.2 计算公式 203

8.2 自相关函数(ACF) 204

8.2.1 ACF及语法 204

8.2.2 ACF计算方法 205

8.2.3 ACF检验 207

8.3 偏自相关函数(PACF) 209

8.3.1 PACF函数和语法 209

8.3.2 PACF计算方法1——OLS法 209

8.3.3 PACF计算方法2——蛮力计算法 211

8.3.4 PACF计算方法3——程序计算法 212

8.3.5 结果汇总与PACF检验 214

8.4 自相关分析 215

8.4.1 自相关函数的分析判据 215

8.4.2 ACF和PACF分析 218

8.5 小结 220

第9章 自回归分析 221

9.1 样本数据的初步分析 221

9.1.1 案例数据来源和保存 221

9.1.2 数据的初步分析 221

9.2 自回归模型的回归估计 228

9.2.1 一阶自回归模型AR(1) 228

9.2.2 高阶自回归模型AR(P) 231

9.2.3 自回归模型的基本检验 234

9.2.4 预测结果及其比较分析 238

9.3 数据的平稳化及其自回归模型 241

9.3.1 数据平稳化 241

9.3.2 差分自回归 244

9.3.3 检验与预测 246

9.4 小结 247

第10章 谱分析 249

10.1 功率谱分析 249

10.1.1 时间序列数据 249

10.1.2 快速Fourier变换和频谱分析 250

10.1.3 检验和分析 255

10.1.4 计算程序简化 256

10.2 波谱分析 258

10.2.1 空间序列数据 258

10.2.2 数据准备 259

10.2.3 快速Fourier变换和参数估计 260

10.2.4 波谱分析 263

10.3 小结 266

第11章 小波分析 268

11.1 数据集和小波工具箱 268

11.1.1 数据集及其预备处理 268

11.1.2 小波工具箱 271

11.1.3 小波分析的基本函数 275

11.2 一维连续小波分析 278

11.2.1 周期长度估计方法之一 278

11.2.2 周期长度估计方法之二 282

11.2.3 随机信号去噪 285

11.3 一维离散小波分析 288

11.3.1 时间序列的压缩与重构 288

11.3.2 离散小波变换 291

11.4 二维小波分析 292

11.5 小结 296

第12章 R/S分析 298

12.1 R/S分析方法 298

12.1.1 Hurst指数的定义方式 298

12.1.2 Hurst指数与自相关系数的关系 299

12.2 编程计算 300

12.2.1 计算Hurst指数 300

12.2.2 图像分析 303

12.3 自相关系数和R/S分析 305

12.3.1 序列变化的自相关分析 305

12.3.2 分维和功率谱指数的估计 306

12.4 小结 307

第13章 Markov链分析 309

13.1 Markov链的转移概率矩阵 309

13.1.1 一个简单的例子 309

13.1.2 Markov链的数学表示 310

13.2 Markov链分析方法 311

13.2.1 转移概率矩阵的计算 311

13.2.2 自动计算 313

13.2.3 历次转移后的稳定分布 315

13.3 同定向量的计算方法 316

13.3.1 基于特征值和特征向量计算 316

13.3.2 基于线性方程求解计算 317

13.4 小结 318

第14章 线性规划 319

14.1 线性规划程序 319

14.1.1 线性规划函数及其输入选项 319

14.1.2 线性规划函数的输出选项 321

14.2 普通规划求解实例 323

14.2.1 实例1——工业问题 323

14.2.2 实例2——农业问题 326

14.2.3 实例3——建筑业问题 327

14.2.4 实例4——运输业问题 329

14.3 整数规划问题实例 332

14.3.1 一般整数规划 332

14.3.2 0-1规划 336

14.4 非线性规划及其对偶问题实例 341

14.4.1 非线性规划原模型 341

14.4.2 非线性规划对偶模型 343

14.5 小结 343

第15章 层次分析法 344

15.1 问题与模型 344

15.2 计算方法 345

15.2.1 计算日标-准则层单权重 345

1 5.2.2 计算准则-方案层单权重 348

15.2.3 计算组合权重 351

15.2.4 判断矩阵的调试程序 352

15.3 其他计算途径 354

15.3.1 方根法 354

15.3.2 和积法 355

15.3.3 其他替代方法 356

15.4 结果解释 357

15.5 小结 358

第16章 人工神经网络 359

16.1 简单的线性网络 359

16.1.1 单输入-单输出:对应于一元线性回归 359

16.1.2 多输入-单输出:对应于多元线性回归 363

16.2 感知器和M-P模型 365

16.2.1 感知器的判别功能 365

16.2.2 感知器与自适应网络 369

16.2.3 基于聚类分析的感知器判别 372

16.2.4 基于主成分分析的感知器判别 375

16.2.5 三分类的感知器判别 378

16.3 学习向量量化(LVQ)神经网络 380

16.3.1 LVQ神经网络的二分类判别 380

16.3.2 LVQ神经网络的三分类判别 383

16.4 多层神经(BP)网络 384

16.4.1 BP网络的离散选择 384

16.4.2 BP网络判别 391

16.5 竞争型网络 394

16.5.1 有目标的先分类后判别 394

16.5.2 无目标的统一分类 396

16.6 小结 398

参考文献 399

后记 401

相关图书
作者其它书籍
返回顶部