目录第1章 最小一乘法 11.1 最小一乘法概述 11.1.1 最小一乘法的提出 11.1.2 最小一乘法的原理 21.1.3 最小一乘法的估计量及其稳健性分析 31.2 最小一乘法的计算 41.2.1 回归直线恰好过坐标原点情形 41.2.2 一般回归直线情形 61.3 最小一乘法的检验 91.4 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 122.1 模式相似性测度 122.1.1 距离测度研究 122.1.2 相似测度研究 132.2 类定义与类间距离 132.2.1 类的定义 132.2.2 类间距离的测度方法 132.2.3 聚类的准则函数 142.3 聚类算法 142.3.1 简单聚类法 142.3.2 谱系聚类法 152.3.3 c-均值聚类法 152.4 MAT1AB解题举例 16习题2 17第3章 快速傅里叶变换算法 193.1 一维离散傅里叶变换 193.2 频域抽取的基2FFT算法 21习题3 26第4章 遗传算法 274.1 遗传算法概述 274.2 遗传算法举例 30习题4 42第5章 禁忌搜索算法 435.1 禁忌搜索算法概述 435.2 禁忌搜索算法举例 45习题5 51第6章 神经网络算法 526.1 BP神经网络 526.1.1 BP神经网络原理 526.1.2 BP神经网络训练 536.1.3 T-S模糊神经网络 546.14 基于BP神经网络的变量筛选实例 556.2 RBF神经网络 596.2.1 RBF神经网络原理 596.2.2 基于RBF神经网络的应用实例 606.3 组建神经网络的注意事项 646.3.1 神经元节点数 646.3.2 数据预处理和后期处理 656.3.3 学习速率的选定 66习题6 66第7章 差分进化算法 687.1 差分进化算法概述 687.2 差分进化算法基本流程 687.3 差分进化算法举例 707.4 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 758.1 粒子群算法概述 758.2 粒子群算法基本流程 758.3 粒子群算法举例 778.4 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 829.1 最大似然估计 829.2 期望最大化算法原理及基本步骤 829.3 期望最大化算法举例 849.4 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 8810.1 MCMC算法的基本原理 8810.1.1 马尔可夫链的有关概念 8910.1.2 马尔可夫链的性质 9010.2 基于MCMC的吉布斯随机模拟抽样方法 9110.2.1 MCMC算法的基本思想与步骤 9110.2.2 吉布斯抽样 9210.3 MCMC算法的应用举例 9410.3.1 贝叶斯推断中的积分问题 9410.3.2 有关MCMC算法的一些说明 98习题10 98第11章 模拟退火算法 10011.1 模拟退火算法基本原理 10011.1.1 统计物理思想 10011.1.2 米特罗波利斯准则 10111.2 模拟退火算法求解步骤 10211.2.1 基本步骤与算法流程 10211.2.2 算法特点 10411.3 模拟退火算法应用 10411.4 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 MAT1AB软件基础知识 146A1 MAT1AB基本功能 146A2 MAT1AB的特点 146A3 MAT1AB工作环境 147A3.1 搜索路径管理 147A3.2 工作环境管理 148A4 MAT1AB中的常量、特殊变量与特殊符号 148A4.1 常量与特殊变量 148A4.2 特殊符号 148A5 MAT1AB常用函数 149A6 MAT1AB中的向量与矩阵 151A7 矩阵的运算 154A8 数组运算 161A9 设置输出格式 161A10 程序设计入门 162A10.1 变量 162A10.2 基本语句 163A10.3 MAT1AB程序m文件 165A10.4 函数语法结构 166A10.5 函数编写示例 167A11 二维作图 168