前言页 1
第一章 数据类型 1
第一节 数据的基本类型 1
第二节 数据的变化类型 5
第三节 数据类型的转化 8
第四节 数据矩阵 12
第二章 数据的简缩、转换及标准化 16
第一节 数据的简缩 16
第二节 数据的转换 18
第三节 数据的标准化 19
第三章 相似系数 33
第一节 关联系数 34
第二节 距离系数 38
第三节 内积系数 46
第四节 信息系数 49
第五节 概率系数 58
第六节 选择原则及相似系数矩阵 61
第四章 分类方法概述 65
第一节 分类的目的 65
第二节 分类方法的选择 66
第三节 主要分类方法的一般方程 71
第四节 分类结果的图形表示 77
第五节 分类结果的比较 81
第五章 等级聚合的分类方法 90
第一节 聚合方法的类型 90
第二节 信息聚合方法 93
第三节 按邻体的聚合方法 97
第四节 按中心的聚合方法 103
第五节 按平均性质的聚合方法 111
第六节 可变的聚合方法 118
第六章 等级分划的分类方法 121
第一节 关联分析法 121
第二节 组分析法 128
第三节 信息分划法 134
第四节 全面比较的多元分划方法 137
第五节 相异性分析法 141
第六节 有调整的分划方法 147
第七节 指示种分析法 153
第七章 其它分类方法 160
第一节 一种外在分类方法 160
第二节 距离聚类法 164
第三节 概率聚类法 173
第四节 图论聚类法 175
第八章 分类的判别问题 185
第一节 几种简便的判别方法 186
第二节 用广义距离的判别 190
第三节 用判别式函数的方法 195
第四节 用秩序的判别 202
第五节 用信息的判别 206
第九章 早期的排序方法 210
第一节 排序的目的和意义 210
第二节 连续带分析 212
第三节 极点排序法（PO） 215
第四节 极点排序法的修正 224
第五节 梯度分析 228
第十章 主分量分析（PCA） 232
第一节 PCA的二维说明 233
第二节 PCA的计算过程 240
第三节 PCA的应用实例 245
第四节 正交函数的排序方法 252
第十一章 已知相异性矩阵的排序方法 262
第一节 主坐标分析（PAA） 262
第二节 位置向量排序（PVO） 270
第三节 PAA和PVO用于数据类型转换 277
第四节 混合数据的排序 284
第十二章 三种特殊类型的排序方法 288
第一节 相互平均法（RA） 288
第二节 RA排序的计算例子 297
第三节 典范分析（CA） 304
第四节 CA排序的计算例子 311
第五节 趋势面分析（TSA） 316
第十三章 其它排序方法 327
第一节 因子分析（FA）的涵义 327
第二节 FA的计算方法 331
第三节 非线性排序的概念 335
第四节 Kruskal排序方法 338
第五节 连续性分析 342
结束语 346
附录Ⅰ 矩阵基本知识 352
一、矩阵的定义 352
二、矩阵的运算 356
三、矩阵的除法 365
四、矩阵的特征根及特征向量 377
附录Ⅱ 植物群落研究的取样问题 386
一、取样的方法 387
二、怎样决定取样数目 396
三、样方的形状和大小 399
四、取样偏倚的原因 400
五、植被和生境因素相关研究的取样方法 400
六、取样数值的转换 402
七、数理统计在植物群落研究中的应用 404
参考文献 407
内容索引 413