第1章　緒論 001
1.1　耦合背景 001
1.1.1 數據特征 001
1.1.2 統計學習 003
1.1.3 耦合創新 004
1.2　耦合歷程 005
1.2.1 思想產生 005
1.2.2 一次創新 007
1.2.3 二次創新 009
1.2.4 創新趨勢 014
1.3　基本內容 017
1.3.1 目標 017
1.3.2 內容 019
1.3.3 路線 021
1.4　本章小結 022
參考文獻 023 第2章　投影尋蹤耦合學習原理 028
2.1　投影尋蹤思想 028
2.1.1 基本思路 028
2.1.2 投影方向 030
2.1.3 投影指標 031
2.2　基本統計方法 032
2.2.1 聚類分析 033
2.2.2 判別分析 035
2.2.3 密度估計 037
2.2.4 多元回歸 038
2.2.5 離群點檢測 039
2.2.6 時間序列 040
2.3　人工神經網絡 041
2.4　耦合學習 042
2.4.1 耦合基礎 042
2.4.2 耦合路徑 044
2.4.3 耦合特點 048
2.5　本章小結 049
參考文獻 050 第3章　投影尋蹤耦合學習算法 052
3.1　*佳投影方向 052
3.1.1 基本內涵 052
3.1.2 優化歷程 053
3.2　投影指標 055
3.2.1 投影聚類指標 055
3.2.2 線性投影判別指標 055
3.2.3 Posse投影判別指標 056
3.2.4 投影回歸指標 056
3.2.5 投影密度指標 057
3.3　遺傳算法 057
3.3.1 基本思路 057
3.3.2 基本步驟 058
3.3.3 基本特點 060
3.4　投影智能優化算法 061
3.4.1 智能優化思路 061
3.4.2 數據預處理 062
3.4.3 遺傳優化步驟 064
3.5　算法實現 066
3.5.1 耦合轉化 066
3.5.2 程序執行 067
3.5.3 算法特點 068
3.6　本章小結 069
參考文獻 070 第4章　投影尋蹤聚類耦合學習 071
4.1　產生背景 071
4.2　聚類原理 073
4.3　投影靜態聚類耦合學習 076
4.3.1 學習原理 076
4.3.2 算法流程 078
4.3.3 注意事項 080
4.4　投影動態聚類耦合學習 081
4.4.1 學習原理 081
4.4.2 算法流程 083
4.5　多維投影強化學習 085
4.5.1 學習原理 085
4.5.2 算法流程 086
4.6　高維離群點檢測 088
4.6.1 檢測原理 088
4.6.2 基于假設檢驗的檢測 088
4.6.3 基于聚類的檢測 089
4.7　本章小結 090
參考文獻 091 第5章　投影尋蹤回歸耦合學習 093
5.1　投影尋蹤回歸原理 093
5.1.1 投影尋蹤回歸函數 093
5.1.2 非參數投影尋蹤回歸 094
5.1.3 參數優化策略 096
5.2　投影尋蹤回歸與神經網絡 098
5.2.1 神經網絡 098
5.2.2 兩方法比較 101
5.3　投影尋蹤回歸網絡學習 103
5.3.1 學習網絡結構 104
5.3.2 網絡神經元函數 105
5.3.3 參數分類優化學習 108
5.4　投影尋蹤回歸模糊推理學習 112
5.4.1 基本原理 112
5.4.2 模糊隸屬度 114
5.4.3 模糊推理 116
5.4.4 學習路線 117
5.5　基于投影尋蹤回歸學習的離群點檢測 119
5.5.1 檢測原理 119
5.5.2 學習流程 120
5.6　本章小結 120
參考文獻 122 第6章　投影尋蹤函數型耦合學習 124
6.1　函數型數據分析 124
6.1.1 基本概念 125
6.1.2 函數型主成分 126
6.1.3 函數型聚類 127
6.1.4 函數型回歸 128
6.2　投影尋蹤函數型主成分 129
6.2.1 基本原理 129
6.2.2 基本模型 130
6.2.3 學習流程 131
6.3　投影尋蹤函數型聚類 132
6.3.1 基本原理 132
6.3.2 基本模型 133
6.3.3 學習流程 133
6.4　投影尋蹤函數型回歸 134
6.4.1 基本原理 134
6.4.2 模型構建 135
6.4.3 學習流程 137
6.5　投影尋蹤函數型檢驗 138
6.5.1 正態檢驗 138
6.5.2 異常值檢驗 140
6.6　本章小結 141
參考文獻 142 第7章　投影尋蹤耦合學習評價 144
7.1　綜合評價原理 144
7.1.1 綜合評價類型 145
7.1.2 評價指標體系 148
7.2　監督綜合評價 149
7.2.1 有監督綜合評價 149
7.2.2 無監督綜合評價 154
7.3　投影尋蹤聚類學習評價 156
7.3.1 建模思路 156
7.3.2 學習過程 156
7.3.3 水質評價 158
7.3.4 結果分析 163
7.4　本章小結 166
參考文獻 167 第8章　投影尋蹤耦合學習預測 169
8.1　統計預測基本原理 169
8.1.1 預測分類 169
8.1.2 單途徑預測 170
8.1.3 耦合預測 172
8.1.4 損失函數 174
8.2　投影尋蹤回歸網絡學習預測 177
8.2.1 對象分析 177
8.2.2 預測模型 179
8.2.3 預測結果 180
8.3　投影尋蹤回歸模糊推理學習預測 182
8.3.1 對象分析 183
8.3.2 預測模型 184
8.3.3 預測結果 186
8.4　本章小結 186
參考文獻 187 第9章　投影尋蹤耦合學習決策 189
9.1　統計決策基礎 189
9.1.1 多準則決策 190
9.1.2 多準則綜合效用 191
9.1.3 多準則統計學習決策 193
9.2　投影尋蹤聚類學習決策 194
9.2.1 基本思路 194
9.2.2 投資方案決策 194
9.2.3 關鍵問題 198
9.3　投影尋蹤回歸學習決策 199
9.3.1 基本思路 199
9.3.2 投標決策基礎 199
9.3.3 投標決策模型 202
9.3.4 應用結果 204
9.4　本章小結 211
參考文獻 211 結語 214