目录

下载资源

第1章MATLAB环境与操作

1.1MATLAB概述

1.1.1MATLAB启动与退出

1.1.2MATLAB帮助系统

1.2数据类型

1.2.1常量与变量

1.2.2数值类型

1.2.3字符串

1.2.4矩阵的数组

1.3控制语句

1.3.1循环结构

1.3.2选择结构

1.3.3程序流程控制

1.4绘图

第2章数据分析实战

2.1数据的预处理

2.2数据汇总

2.3数据建模

2.3.1多项式回归

2.3.2一般线性回归

2.4数据插值

2.4.1网格和散点数据

2.4.2创建网格数据

2.4.3基于网格的插值

2.4.4interp系列函数的插值

2.4.5griddedInterpolant类插值

2.4.6内插散点数据

第3章科学计算实战

3.1数值积分和微分方程

3.1.1数值积分和微分方程概述

3.1.2数值微积分的应用

3.2常微分方程

3.2.1ODE求解器

3.2.2边界值问题

3.2.3时滞微分方程

3.2.4偏微分方程

3.3傅里叶变换与滤波

3.3.1傅里叶变换

3.3.2二维傅里叶变换

3.3.3滤波数据

第4章数据建模实战

4.1数据降维

4.1.1PCA概述

4.1.2PCA的降维应用

4.2一元回归

4.2.1一元线性回归

4.2.2一元非线性回归

4.3多元线性回归

4.3.1多元线性回归概述

4.3.2多元线性回归的应用

4.4逐步回归

4.4.1逐步回归的概念

4.4.2逐步型选元法

4.4.3逐步回归的应用

4.5Logistic回归

4.5.1Logistic回归概述

4.5.2Logistic回归的应用

第5章统计性数据分析实战

5.1统计量和统计图

5.1.1描述性统计量

5.1.2常用的统计量函数

5.1.3统计可视化

5.2概率分布

5.2.1离散概率分布

5.2.2连续分布

5.3假设检验

5.3.1KS检验

5.3.2t检验

5.3.3双样本t检验

5.4方差分析

5.4.1方差的基本原理

5.4.2单因素方差分析

5.4.3双因素方差分析

5.4.4多因素方差分析

第6章机器学习算法实战

6.1机器学习概述

6.1.1机器学习的分类

6.1.2机器学习步骤

6.1.3分类方法

6.2K最近邻分类

6.2.1K最近邻概述

6.2.2KNN分类的应用

6.3判别分析

6.3.1判别分析的基本原理

6.3.2判别函数

6.3.3判别方法

6.3.4判别分析的应用

6.4贝叶斯分类

6.4.1贝叶斯算法

6.4.2朴素贝叶斯算法的原理

6.4.3朴素贝叶斯算法的优缺点

6.4.4朴素贝叶斯的应用

6.5支持向量机

6.5.1支持向量机概述

6.5.2使用支持向量机

6.5.3支持向量机的应用

第7章深度学习算法实战

7.1迁移学习

7.1.1迁移学习概述

7.1.2迁移学习的应用

7.2图像的深度学习

7.3时间序列在深度学习中的应用

7.3.1时间序列概述

7.3.2LSTM网络

7.3.3序列分类的应用

7.4深度学习进行时序预测

7.5AlexNet卷积网络

7.5.1ReLU激活函数

7.5.2层叠池化

7.5.3局部相应归一化

7.5.4AlexNet结构

7.5.5AlexNet生成Deep Dream图像

7.6堆叠自编码器

7.6.1自编码网络的结构

7.6.2自编码器进行图像分类

第8章控制系统分析与设计实战

8.1自动控制概述

8.1.1控制仿真概述

8.1.2计算机仿真的步骤

8.2控制系统的数学建模

8.3判定系统稳定性

8.3.1直接判定

8.3.2图形化判定

8.4时域分析

8.4.1动态性能指标

8.4.2稳定性指标

8.4.3时域响应的典型函数应用

8.5根轨迹

8.5.1根轨迹图

8.5.2根轨迹法分析

8.6频域分析

8.6.1频率特性

8.6.2频域分析的应用

8.7控制系统综合应用

第9章神经网络信息处理实战

9.1神经网络概述

9.1.1神经元结构

9.1.2人工神经元模型

9.1.3人工神经网络的特点

9.2感知器

9.2.1单层感知器

9.2.2多层感知器

9.2.3感知器在分类中的应用

9.3径向基函数网络

9.3.1RBF神经元模型

9.3.2径向基的逼近

9.3.3广义回归神经网络

9.4BP神经网络

9.5学习向量量化

9.5.1LVQ网络结构

9.5.2LVQ学习算法

9.5.3LVQ网络的应用

9.6自组织特征映射网络

9.6.1SOM网络拓扑结构

9.6.2自组织映射在鸢尾花聚类中的应用

第10章最优化方法实战

10.1最优化概述

10.1.1最优化问题

10.1.2最优化算法

10.2线性规划

10.2.1线性规划的模型

10.2.2线性规划标准型

10.2.3线性规划的应用

10.3非线性规划

10.3.1非线性规划的数学模型

10.3.2一维非线性最优实现

10.3.3多维非线性最优实现

10.4整数规划

10.4.1整数规划的分类

10.4.2求解法分类的应用

10.5二次规划

10.5.1二次规划的模型

10.5.2二次规划的实现

10.6多目标规划

10.6.1多目标规划的数学模型

10.6.2多目标规划的实现

10.7最大最小规划

10.7.1最大最小规划模型

10.7.2最大最小规划的实现

10.8动态规划

10.8.1动态规划的基本思想

10.8.2动态规划的线路图

10.8.3动态规划的实现

10.9图与网络优化

10.9.1图的基本概念

10.9.2最短路径问题

第11章智能算法分析与实现实战

11.1遗传算法

11.1.1遗传算法的特点

11.1.2遗传算法的术语

11.1.3遗传算法的运算过程

11.1.4遗传算法的实现

11.2模拟退火算法

11.2.1模拟退火的组成

11.2.2模拟退火的思想

11.2.3模拟退火的寻优步骤

11.2.4模拟退火的实现

11.2.5模拟退火的实际应用

11.3粒子群算法

11.3.1粒子群算法概述

11.3.2粒子群算法的特点

11.3.3粒子群的算法及实现

11.4免疫算法

11.4.1免疫算法的原理

11.4.2免疫算法步骤和流程

11.4.3免疫算法的实现

11.5蚁群算法

11.5.1蚁群的基本算法

11.5.2蚁群算法的实现

11.6小波分析

11.6.1傅里叶变换

11.6.2小波分析概述

11.6.3小波变换的实现

参考文献