MATLAB數(shù)據(jù)分析教程

第1章 數(shù)據(jù)分析與MATLAB軟件
1．1 數(shù)據(jù)分析概述
1．1．1 數(shù)據(jù)時代
1．1．2 數(shù)據(jù)分析的意義和作用
1．1．3 數(shù)據(jù)分析方法
1．2 MATLAB軟件
1．2．1 功能和應(yīng)用
1．2．2 特點
1．3 MATLAB在數(shù)據(jù)分析中的應(yīng)用
習(xí)題
第2章 MATLAB基礎(chǔ)
2．1 MATLAB基礎(chǔ)
2．1．1 MATLAB軟件的版本
2．1．2 MATLAB軟件的啟動
2．1．3 指令窗的結(jié)構(gòu)
2．2 編寫第一個MATLAB程序
2．2．1 第一個MATLAB程序
2．2．2 程序的正確性
2．3 編輯器的使用
2．3．1 打開編輯器
2．3．2 編寫程序
2．3．3 運行程序
2．3．4 程序的編輯和修改
2．4 MATLAB的查詢和幫助功能
2．4．1 help指令
2．4．2 lookfor指令
2．5 MATLAB的運算單元及基本操作
2．5．1 MATLAB的數(shù)據(jù)類型
2．5．2 矩陣
2．5．3 矩陣的操作
2．5．4 特殊向量
2．5．5 向量的操作
習(xí)題
第3章 MATLAB科學(xué)計算
3．1 數(shù)值計算
3．1．1 基本運算
3．1．2 求解多項式
3．1．3 求導(dǎo)數(shù)
3．1．4 求方程的近似解
3．1．5 求數(shù)值積分
3．1．6 求函數(shù)最小值
3．1．7 求函數(shù)的零點
3．1．8 解非線性方程組
3．1．9 求微分方程的數(shù)值解
3．2 符號計算
3．2．1 基本運算
3．2．2 多項式運算
3．2．3 解方程和方程組
3．2．4 求微積分
3．2．5 常微分方程
習(xí)題
第4章 數(shù)據(jù)預(yù)處理
4．1 數(shù)據(jù)歸一化
4．1．1 標(biāo)準(zhǔn)化變換
4．1．2 極差歸一化變換
4．2 數(shù)據(jù)的平滑處理
4．2．1 smooth指令
4．2．2 smoothts指令
4．2．3 medfilt1指令
4．3 數(shù)據(jù)降維
4．3．1 主成分分析
4．3．2 因子分析
習(xí)題
第5章 繪圖與數(shù)據(jù)可視化I——二維
繪圖
5．1 二維曲線
5．1．1 二維曲線的繪制
5．1．2 函數(shù)圖形的繪制
5．2 二維圖形
5．2．1 直方圖
5．2．2 餅形圖
5．2．3 階梯圖
5．2．4 頻數(shù)分布直方圖
5．2．5 火柴桿圖
5．2．6 誤差棒圖
5．3 圖形要素的設(shè)置和控制
5．3．1 曲線的設(shè)置
5．3．2 坐標(biāo)軸的設(shè)置
5．3．3 圖形的標(biāo)注和說明
5．3．4 圖形的重疊繪制
5．3．5 圖形填色
5．3．6 創(chuàng)建多個圖形窗口
5．3．7 子窗口的建立
5．3．8 圖形的變焦觀察
5．3．9 顯示圖形指定位置的坐標(biāo)值
習(xí)題
第6章 繪圖與數(shù)據(jù)可視化II——三維繪圖
6．1 三維曲線
6．1．1 三維曲線
6．1．2 網(wǎng)線圖
6．2 三維曲面圖
6．2．1 三維曲面圖的繪制指令
6．2．2 等高線圖
6．2．3 偽彩圖
6．2．4 矢量場圖
6．2．5 柱面圖
6．2．6 球面圖
6．2．7 截面圖
6．3 三維圖形的操縱
6．3．1 視角的設(shè)置
6．3．2 圖形的重疊
6．3．3 多種功能的組合
習(xí)題
第7章 數(shù)據(jù)的描述性統(tǒng)計和分析
7．1 數(shù)據(jù)的基本特征
7．1．1 數(shù)據(jù)的數(shù)量
7．1．2 最大值
7．1．3 最小值
7．1．4 元素的和
7．1．5 平均值
7．1．6 按序排列
7．1．7 極差
7．1．8 中位數(shù)
7．1．9 分位數(shù)
7．1．10 眾數(shù)
7．1．11 原點矩
7．1．12 中心矩
7．2 數(shù)據(jù)的頻數(shù)分布
7．2．1 頻數(shù)表
7．2．2 頻數(shù)分布直方圖
7．3 數(shù)據(jù)的正態(tài)分布分析
7．3．1 偏度
7．3．2 峰度
7．4 數(shù)據(jù)的離散度分析
7．4．1 方差
7．4．2 標(biāo)準(zhǔn)差
7．4．3 變異系數(shù)
7．5 相關(guān)性分析
7．5．1 協(xié)方差
7．5．2 相關(guān)系數(shù)
習(xí)題
第8章 方差分析
8．1 概述
8．1．1 類型
8．1．2 原理
8．2 單因素一元方差分析
8．3 其他類型的方差分析
8．3．1 雙因素一元方差分析
8．3．2 多因素一元方差分析
8．3．3 單因素多元方差分析
習(xí)題
第9章 數(shù)據(jù)擬合與回歸分析
9．1 概述
9．2 一元線性回歸分析
9．2．1 步驟
9．2．2 最小二乘法
9．3 多元線性回歸分析
9．4 一元非線性回歸分析
9．4．1 曲線直線化
9．4．2 多項式擬合
9．5 多元非線性回歸分析
9．5．1 曲線直線化
9．5．2 多項式回歸
9．6 插值
9．6．1 一元插值
9．6．2 二元插值
習(xí)題
第10章 蒙特卡洛模擬與應(yīng)用
10．1 概述
10．1．1 名稱來源
10．1．2 原理和步驟
10．1．3 特點
10．2 蒙特卡洛法的基礎(chǔ)——隨機(jī)數(shù)
10．2．1 rand指令
10．2．2 randn指令
10．2．3 randi指令
10．2．4 mnrnd指令
10．2．5 mvnrnd指令
10．2．6 隨機(jī)數(shù)的操作
10．2．7 隨機(jī)數(shù)的應(yīng)用實例——模擬投擲硬幣
10．3 蒙特卡洛法應(yīng)用實例
10．3．1 計算圓周率？的值
10．3．2 求定積分
10．3．3 模擬布朗運動
10．3．4 物體表面形貌的模擬
10．3．5 材料成分設(shè)計與質(zhì)量控制
10．3．6 模擬股票價格
習(xí)題
第11章 最優(yōu)化方法與應(yīng)用
11．1 概述
11．1．1 類型
11．1．2 主要步驟
11．1．3 應(yīng)用
11．2 線性規(guī)劃問題
11．3 二次規(guī)劃問題
11．4 非線性規(guī)劃問題
11．4．1 有約束問題
11．4．2 無約束問題
11．5 多目標(biāo)規(guī)劃問題
11．6 最小化問題
11．7 最大最小化問題
習(xí)題
第12章 判別分析和聚類分析
12．1 概述
12．1．1 特征
12．1．2 主要步驟
12．1．3 類型
12．1．4 應(yīng)用領(lǐng)域
12．2 判別分析方法與實例
12．2．1 距離判別法
12．2．2 樸素貝葉斯判別法
12．3 聚類分析方法與實例
12．3．1 系統(tǒng)聚類法
12．3．2 K均值聚類法
12．3．3 模糊C均值聚類法
12．3．4 聚類分析的挑戰(zhàn)和機(jī)遇
習(xí)題
第13章 人工神經(jīng)網(wǎng)絡(luò)及應(yīng)用
13．1 概述
13．1．1 人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
13．1．2 人工神經(jīng)網(wǎng)絡(luò)的特點
13．2 人工神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)分析的原理與方法
13．2．1 原理
13．2．2 適用范圍
13．2．3 方法和步驟
13．3 人工神經(jīng)網(wǎng)絡(luò)的MATLAB編程及應(yīng)用
13．3．1 材料性能預(yù)測
13．3．2 影響因素的定量分析
13．3．3 用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行判別
分析
習(xí)題