现代数据分析与信息模式识别
作者：丁世飞，靳奉祥，赵相伟 著
出版时间：2013年版
内容简介
《现代数据分析与信息模式识别》（作者丁世飞、靳奉祥、赵相伟）以“复杂数据数据分析模式识别”为主线，论述了现代数据分 析与信息模式识别的基本理论和方法，旨在利用模糊集、粗糙集、粒度计 算等不确定的理论与方法分析数据的内在特性、数据间的依赖关系、数据的 分 类分析与聚类分析、多元数据的矩阵模式分析，并用于知识的发现、识别、决 策、对策及融合分析。主要内容包括：不确定性分析的理论与方法、多因 素分析、分类分析、聚类分析、多元数据的矩阵模式概论、差异矩阵的信息 评判与度量、模式矩阵间差异的关系分析、信息模式测度、信息特征压缩、信 息模 式识别、神经网络与分类、支持向量机与分类等。本书的主要特点体现在“数据知识智能”的学习过程，在阐述相关 领域最基本、最重大成果的同时，也介绍了这些领域的最新进展，并且包 含了作者在这些领域的最新研究成果。 《现代数据分析与信息模式识别》可作为计算机科学与技术、控制科 学与工程、智能科学与技术、测绘科学与技术、地理信息系统等专业领域从事人工智能、机器学习、数据 挖 掘、知识发现、智能信息处理、智能决策分析等研究的相关专业技术人员的 参考书，也可作为相关专业的博士生、硕士生以及高年级本科生的教材。
目录
前言
第一篇 现代数据分析
第1章 不确定性分析的理论与方法
1.1 信息熵
1.1.1 离散信源的数学模型
1.1.2 通信系统基本模型
1.1.3 自信息量
1.1.4 信息熵的概念与性质
1.2 离散信道及其信息传递
1.2.1 离散信道
1.2.2 互信息量
1.3 模糊集
1.3.1 模糊集的概念
1.3.2 模糊集的表示方法
1.3.3 模糊集的代数运算
1.3.4 模糊集与普通集
1.3.5 模糊关系
1.4 粗糙集
1.4.1 粗糙集的基本概念
1.4.2 粗糙集中的知识表示
1.4.3 知识约简
1.5 粒度计算
1.5.1 粒度计算的概念
1.5.2 粒度计算的基本成分
1.5.3 粒度计算的基本问题
参考文献
第2章 多因素分析
2.1 主成分分析
2.1.1 主成分分析的概念
2.1.2 主成分分析的数学模型
2.1.3 主成分的导出
2.1.4 主成分分析的计算步骤
2.2 因子分析
2.2.1 因子分析的概念
2.2.2 因子分析的模型
2.2.3 因子分析的步骤
2.3 对应分析
2.3.1 对应分析的原理
2.3.2 对应分析的对应图
2.4 典型相关分析
2.4.1 典型相关分析的基本概念
2.4.2 总体的典型变量与典型相关
2.4.3 样本的典型变量与典型相关
2.4.4 典型相关系数的显著性检验
参考文献
第3章 分类分析
3.1 基于决策树的分类
3.1.1 决策树的构建及ID3算法
3.1.2 决策树的剪枝及分类规则的提取
3.2 基于距离的分类
3.2.1 统计距离
3.2.2 两个总体的距离分类
3.2.3 多个总体的距离分类
3.3 贝叶斯分类
3.3.1 两个总体的贝叶斯分类
3.3.2 多个总体的贝叶斯分类
3.4 费希尔分类
3.4.1 费希尔分类函数
3.4.2 费希尔分类准则
3.5 分类准则的评价
3.5.1 回代估计法
3.5.2 交叉确认估计法
参考文献
……
第二篇 多元数据的矩阵模式分析
第三篇 信息模式识别
