第1章 最小一乘法 1
1.1 最小一乘法概述 1
1.1.1 最小一乘法的提出 1
1.1.2 最小一乘法的原理 2
1.1.3 最小一乘法的估计量及其稳健性分析 3
1.2 最小一乘法的计算 4
1.2.1 回归直线恰好过坐标原点情形 4
1.2.2 一般回归直线情形 6
1.3 最小一乘法的检验 9
1.4 最小一乘法解决多元线性回归问题简介 10
习题1 10
第2章 聚类分析算法 12
2.1 模式相似性测度 12
2.1.1 距离测度研究 12
2.1.2 相似测度研究 13
2.2 类定义与类间距离 13
2.2.1 类的定义 13
2.2.2 类间距离的测度方法 13
2.2.3 聚类的准则函数 14
2.3 聚类算法 14
2.3.1 简单聚类法 14
2.3.2 谱系聚类法 15
2.3.3 c-均值聚类法 15
2.4 MATLAB解题举例 16
习题2 17
第3章 快速傅里叶变换算法 19
3.1 一维离散傅里叶变换 19
3.2 频域抽取的基2FFT算法 21
习题3 26
第4章 遗传算法 27
4.1 遗传算法概述 27
4.2 遗传算法举例 30
习题4 42
第5章 禁忌搜索算法 43
5.1 禁忌搜索算法概述 43
5.2 禁忌搜索算法举例 45
习题5 51
第6章 神经网络算法 52
6.1 BP神经网络 52
6.1.1 BP神经网络原理 52
6.1.2 BP神经网络训练 53
6.1.3 T-S模糊神经网络 54
6.1.4 基于BP神经网络的变量筛选实例 55
6.2 RBF神经网络 59
6.2.1 RBF神经网络原理 59
6.2.2 基于RBF神经网络的应用实例 60
6.3 组建神经网络的注意事项 64
6.3.1 神经元节点数 64
6.3.2 数据预处理和后期处理 65
6.3.3 学习速率的选定 66
习题6 66
第7章 差分进化算法 68
7.1 差分进化算法概述 68
7.2 差分进化算法基本流程 68
7.3 差分进化算法举例 70
7.4 控制参数对算法性能的影响 73
习题7 74
第8章 粒子群算法 75
8.1 粒子群算法概述 75
8.2 粒子群算法基本流程 75
8.3 粒子群算法举例 77
8.4 控制参数对算法性能的影响 80
习题8 81
第9章 期望最大化算法 82
9.1 最大似然估计 82
9.2 期望最大化算法原理及基本步骤 82
9.3 期望最大化算法举例 84
9.4 期望最大化算法的收敛性 86
习题9 86
第10章 马尔可夫链蒙特卡罗算法 88
10.1 MCMC算法的基本原理 88
10.1.1 马尔可夫链的有关概念 89
10.1.2 马尔可夫链的性质 90
10.2 基于MCMC的吉布斯随机模拟抽样方法 91
10.2.1 MCMC算法的基本思想与步骤 91
10.2.2 吉布斯抽样 92
10.3 MCMC算法的应用举例 94
10.3.1 贝叶斯推断中的积分问题 94
10.3.2 有关MCMC算法的一些说明 98
习题10 98
第11章 模拟退火算法 100
11.1 模拟退火算法基本原理 100
11.1.1 统计物理思想 100
11.1.2 米特罗波利斯准则 101
11.2 模拟退火算法求解步骤 102
11.2.1 基本步骤与算法流程 102
11.2.2 算法特点 104
11.3 模拟退火算法应用 104
11.4 模拟退火算法的改进 110
习题11 110
习题解答 112
习题1解答 112
习题2解答 112
习题3解答 121
习题4解答 121
习题5解答 125
习题6解答 133
习题7解答 136
习题8解答 137
习题9解答 138
习题10解答 141
习题11解答 141
参考文献 145
附录A MATLAB软件基础知识 146
A1 MATLAB基本功能 146
A2 MATLAB的特点 146
A3 MATLAB工作环境 147
A3.1 搜索路径管理 147
A3.2 工作环境管理 148
A4 MATLAB中的常量、特殊变量与特殊符号 148
A4.1 常量与特殊变量 148
A4.2 特殊符号 148
A5 MATLAB常用函数 149
A6 MATLAB中的向量与矩阵 151
A7 矩阵的运算 154
A8 数组运算 161
A9 设置输出格式 161
A10 程序设计入门 162
A10.1 变量 162
A10.2 基本语句 163
A10.3 MATLAB程序m文件 165
A10.4 函数语法结构 166
A10.5 函数编写示例 167
A11 二维作图 168