金光編著的《數(shù)據(jù)分析與建模方法》面向復(fù)雜統(tǒng)計(jì)問題求解和統(tǒng)計(jì)工程需求，介紹現(xiàn)代統(tǒng)計(jì)的基本原 理和方 法，內(nèi)容涵蓋經(jīng)典統(tǒng)計(jì)、貝葉斯統(tǒng)計(jì)、統(tǒng)計(jì)學(xué)習(xí)等統(tǒng) 計(jì)理論以及計(jì)算密集型方法和探索性分析方法，涉及數(shù)據(jù)特征分析、模型參數(shù)推斷 、回歸分析建模和系統(tǒng)狀態(tài)估 計(jì)等問題。每章后編配有習(xí)題。
《數(shù)據(jù)分析與建模方法》適合作為高等學(xué)校自動控制、管理科學(xué)與工程等專業(yè)的研究生或高年級 本科生教材，也可供從事數(shù)據(jù)分析與建模、裝備試驗(yàn) 與評價(jià)、隨機(jī)信號處理等技術(shù)專題研究的科技工作者學(xué)習(xí)與參考。
金光編著的《數(shù)據(jù)分析與建模方法》共包含六大部分，其中包括：經(jīng)典統(tǒng)計(jì)方法；回歸分析；狀態(tài)估計(jì)；統(tǒng)計(jì)決策與Bayes分析；數(shù)據(jù)特征分析；統(tǒng)計(jì)學(xué)習(xí)簡介。書以可靠性評估和長壽命產(chǎn)品壽命預(yù)測等重要工程問題為背景，從工程應(yīng)用的角度，闡述經(jīng)典統(tǒng)計(jì)、統(tǒng)計(jì)決策、Bayes統(tǒng)計(jì)、統(tǒng)計(jì)學(xué)習(xí)等的基本原理，以及這些統(tǒng)計(jì)原理在解決復(fù)雜數(shù)據(jù)分析和建模中的參數(shù)估計(jì)、假設(shè)檢驗(yàn)、回歸分析、狀態(tài)估計(jì)等問題的基本方法，并提供了豐富的示例對這些原理和方法進(jìn)行了分析和評價(jià)。
第1章 經(jīng)典統(tǒng)計(jì)方法
1．1點(diǎn)估計(jì)
1．1．1最優(yōu)估計(jì)的意義
1．1．2極大似然估計(jì)原理
1．1．3數(shù)據(jù)缺失與EM算法
1．1．4極大似然估計(jì)的變種
1．2假設(shè)檢驗(yàn)
1．2．1小概率事件原理
1．2．2最優(yōu)檢驗(yàn)與N—P引理
1．2．3關(guān)于假設(shè)檢驗(yàn)的幾個問題
1．2．4序貫概率比檢驗(yàn)
1．3區(qū)間估計(jì)
1．3．1Nevman區(qū)間估計(jì)
1．3．2其他區(qū)間估計(jì)
1．3．3構(gòu)造“最好的”置信區(qū)間
第1章 經(jīng)典統(tǒng)計(jì)方法
1．1點(diǎn)估計(jì)
1．1．1最優(yōu)估計(jì)的意義
1．1．2極大似然估計(jì)原理
1．1．3數(shù)據(jù)缺失與EM算法
1．1．4極大似然估計(jì)的變種
1．2假設(shè)檢驗(yàn)
1．2．1小概率事件原理
1．2．2最優(yōu)檢驗(yàn)與N—P引理
1．2．3關(guān)于假設(shè)檢驗(yàn)的幾個問題
1．2．4序貫概率比檢驗(yàn)
1．3區(qū)間估計(jì)
1．3．1Nevman區(qū)間估計(jì)
1．3．2其他區(qū)間估計(jì)
1．3．3構(gòu)造“最好的”置信區(qū)間
1．4自助法
1．4．1自助法原理
1．4．2自助法點(diǎn)估計(jì)
1．4．3自助法區(qū)間估計(jì)
1．4．4自助法假設(shè)檢驗(yàn)
1．4．5關(guān)于自助法的注意事項(xiàng)
練習(xí)題
第2章 回歸分析
2．1一元線性回歸分析
2．1．1一元線性回歸模型
2．1．2最小二乘法
2．1．3回歸方程的檢驗(yàn)
2．2多元線性回歸分析
2．2．1多元線性回歸與最小二乘法
2．2．2回歸方程的檢驗(yàn)
2．2．3一些問題的討論
2．2．4最小二乘估計(jì)的改進(jìn)
2．2．5回歸分析中的自助法
2．3含定性變量的回歸
2．3．1自變量含定性變量情形
2．3．2因變量是定性變量情形
2．3．3L0gistic回歸模型
練習(xí)題
第3章 狀態(tài)估計(jì)
3．1線性系統(tǒng)卡爾曼濾波
3．1．1卡爾曼濾波基本思想
3．1．2離散系統(tǒng)卡爾曼濾波
3．1．3連續(xù)系統(tǒng)卡爾曼濾波
3．1．4濾波的穩(wěn)定性和發(fā)散問題
3．2非線性系統(tǒng)卡爾曼濾波
3．2．1問題的提出
3．2．2線性化濾波方法
3．2．3廣義卡爾曼濾波方法
3．3粒子濾波
3．3．1貝葉斯?fàn)顟B(tài)估計(jì)
3．3．2序貫重要性抽樣
3．3．3在線狀態(tài)估計(jì)問題
練習(xí)題
第4章 統(tǒng)計(jì)決策與貝葉斯方法
4．1統(tǒng)計(jì)決策概述
4．1．1統(tǒng)計(jì)決策問題描述
4．1．2期望損失、決策法則
4．1．3決策原理的討論
4．2先驗(yàn)信息的表示
4．2．1無信息先驗(yàn)
4．2．2最大熵先驗(yàn)
4．2．3用邊際分布確定先驗(yàn)
4．2．4先驗(yàn)選擇的矩方法
4．3貝葉斯推斷
4．3．1后驗(yàn)分布
4．3．2點(diǎn)估計(jì)
4．3．3區(qū)間估計(jì)
4．3．4假設(shè)檢驗(yàn)
4．3．5序貫后驗(yàn)加權(quán)檢驗(yàn)
4．4貝葉斯決策
4．4．1參數(shù)估計(jì)
4．4．2假設(shè)檢驗(yàn)
4．4．3序貫決策
練習(xí)題
第5章 數(shù)據(jù)特征分析
5．1數(shù)據(jù)分布特征分析
5．1．1集中趨勢的度量
5．1．2變異程度的度量
5．1．3偏度和峰度特征
5．2數(shù)據(jù)相關(guān)特征分析
5．2．1單相關(guān)分析
5．2．2復(fù)相關(guān)和偏相關(guān)分析
5．2．3典型相關(guān)分析
5．3數(shù)據(jù)聚類特征分析
5．3．1相似系數(shù)和距離
5．3．2系統(tǒng)聚類法
5．3．3動態(tài)聚類法
5．3．4模糊聚類法
5．4數(shù)據(jù)成分特征分析
5．4．1主成分分析方法
5．4．2投影尋蹤方法
5．4．3流形學(xué)習(xí)方法
5．5動態(tài)數(shù)據(jù)特征分析
5．5．1平穩(wěn)動態(tài)數(shù)據(jù)特征分析
5．5．2一般動態(tài)數(shù)據(jù)運(yùn)動成分分析
5．6數(shù)據(jù)圖形化方法
5．6．1一維數(shù)據(jù)圖形化
5．6．2二維數(shù)據(jù)圖形化
5．6．3三維數(shù)據(jù)圖形化
5．6．4高維數(shù)據(jù)圖形化
第6章 統(tǒng)計(jì)學(xué)習(xí)方法
6．1風(fēng)險(xiǎn)最小化問題
6．1．1經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化
6．1．2結(jié)構(gòu)風(fēng)險(xiǎn)最小化
6．2支持向量機(jī)
6．2．1線性分類器
6．2．2軟間隔優(yōu)化
6．2．3非線性分類器
6．2．4支持向量機(jī)回歸
6．3相關(guān)向量機(jī)
6．3．1基本原理
6．3．2算法實(shí)現(xiàn)
6．3．3性能分析
練習(xí)題
參考文獻(xiàn)
書單推薦
