第1章 数据分析与MATLAB软件 1
1.1 数据分析概述 1
1.1.1 数据时代 1
1.1.2 数据分析的意义和作用 1
1.1.3 数据分析方法 2
1.2 MATLAB软件 2
1.2.1 功能和应用 2
1.2.2 特点 3
1.3 MATLAB在数据分析中的应用 4
习题 4
第2章 MATLAB基础 5
2.1 MATLAB基础 5
2.1.1 MATLAB软件的版本 5
2.1.2 MATLAB软件的启动 5
2.1.3 指令窗的结构 6
2.2 编写第一个MATLAB程序 7
2.2.1 第一个MATLAB程序 7
2.2.2 程序的正确性 7
2.3 编辑器的使用 8
2.3.1 打开编辑器 8
2.3.2 编写程序 8
2.3.3 运行程序 9
2.3.4 程序的编辑和修改 9
2.4 MATLAB的查询和帮助功能 10
2.4.1 help指令 10
2.4.2 lookfor指令 10
2.5 MATLAB的运算单元及基本操作 11
2.5.1 MATLAB的数据类型 11
2.5.2 矩阵 11
2.5.3 矩阵的操作 13
2.5.4 特殊向量 15
2.5.5 向量的操作 18
习题 19
第3章 MATLAB科学计算 20
3.1 数值计算 20
3.1.1 基本运算 20
3.1.2 求解多项式 28
3.1.3 求导数 31
3.1.4 求方程的近似解 31
3.1.5 求数值积分 32
3.1.6 求函数最小值 33
3.1.7 求函数的零点 34
3.1.8 解非线性方程组 35
3.1.9 求微分方程的数值解 36
3.2 符号计算 39
3.2.1 基本运算 39
3.2.2 多项式运算 41
3.2.3 解方程和方程组 42
3.2.4 求微积分 44
3.2.5 常微分方程 47
习题 48
第4章 数据预处理 51
4.1 数据归一化 51
4.1.1 标准化变换 51
4.1.2 极差归一化变换 54
4.2 数据的平滑处理 56
4.2.1 smooth指令 57
4.2.2 smoothts指令 62
4.2.3 medfiltl指令 66
4.3 数据降维 67
4.3.1 主成分分析 67
4.3.2 因子分析 71
习题 76
第5章 绘图与数据可视化Ⅰ——二维绘图 79
5.1 二维曲线 79
5.1.1 二维曲线的绘制 79
5.1.2 函数图形的绘制 82
5.2 二维图形 85
5.2.1 直方图 85
5.2.2 饼形图 87
5.2.3 阶梯图 87
5.2.4 频数分布直方图 89
5.2.5 火柴杆图 89
5.2.6 误差棒图 90
5.3 图形要素的设置和控制 91
5.3.1 曲线的设置 91
5.3.2 坐标轴的设置 95
5.3.3 图形的标注和说明 101
5.3.4 图形的重叠绘制 104
5.3.5 图形填色 105
5.3.6 创建多个图形窗口 106
5.3.7 子窗口的建立 107
5.3.8 图形的变焦观察 108
5.3.9 显示图形指定位置的坐标值 109
习题 110
第6章 绘图与数据可视化Ⅱ——三维绘图 112
6.1 三维曲线 112
6.1.1 三维曲线 112
6.1.2 网线图 113
6.2 三维曲面图 122
6.2.1 三维曲面图的绘制指令 123
6.2.2 等高线图 123
6.2.3 伪彩图 126
6.2.4 矢量场图 127
6.2.5 柱面图 130
6.2.6 球面图 131
6.2.7 截面图 132
6.3 三维图形的操纵 133
6.3.1 视角的设置 133
6.3.2 图形的重叠 135
6.3.3 多种功能的组合 136
习题 140
第7章 数据的描述性统计和分析 142
7.1 数据的基本特征 142
7.1.1 数据的数量 142
7.1.2 最大值 143
7.1.3 最小值 144
7.1.4 元素的和 144
7.1.5 平均值 145
7.1.6 按序排列 145
7.1.7 极差 146
7.1.8 中位数 147
7.1.9 分位数 148
7.1.10 众数 149
7.1.11 原点矩 149
7.1.12 中心矩 150
7.2 数据的频数分布 151
7.2.1 频数表 151
7.2.2 频数分布直方图 151
7.3 数据的正态分布分析 153
7.3.1 偏度 154
7.3.2 峰度 155
7.4 数据的离散度分析 155
7.4.1 方差 155
7.4.2 标准差 155
7.4.3 变异系数 156
7.5 相关性分析 156
7.5.1 协方差 157
7.5.2 相关系数 157
习题 159
第8章 方差分析 160
8.1 概述 160
8.1.1 类型 160
8.1.2 原理 160
8.2 单因素一元方差分析 161
8.3 其他类型的方差分析 168
8.3.1 双因素一元方差分析 168
8.3.2 多因素一元方差分析 175
8.3.3 单因素多元方差分析 178
习题 181
第9章 数据拟合与回归分析 184
9.1 概述 184
9.2 一元线性回归分析 184
9.2.1 步骤 185
9.2.2 最小二乘法 185
9.3 多元线性回归分析 187
9.4 一元非线性回归分析 190
9.4.1 曲线直线化 190
9.4.2 多项式拟合 197
9.5 多元非线性回归分析 203
9.5.1 曲线直线化 203
9.5.2 多项式回归 203
9.6 插值 205
9.6.1 一元插值 205
9.6.2 二元插值 207
习题 212
第10章 蒙特卡洛模拟与应用 214
10.1 概述 214
10.1.1 名称来源 214
10.1.2 原理和步骤 214
10.1.3 特点 214
10.2 蒙特卡洛法的基础——随机数 215
10.2.1 rand指令 215
10.2.2 randn指令 217
10.2.3 randi指令 219
10.2.4 mnrnd指令 220
10.2.5 mvnrnd指令 222
10.2.6 随机数的操作 222
10.2.7 随机数的应用实例——模拟投掷硬币 226
10.3 蒙特卡洛法应用实例 229
10.3.1 计算圆周率π的值 229
10.3.2 求定积分 233
10.3.3 模拟布朗运动 237
10.3.4 物体表面形貌的模拟 238
10.3.5 材料成分设计与质量控制 241
10.3.6 模拟股票价格 245
习题 248
第11章 最优化方法与应用 249
11.1 概述 249
11.1.1 类型 249
11.1.2 主要步骤 249
11.1.3 应用 250
11.2 线性规划问题 250
11.3 二次规划问题 255
11.4 非线性规划问题 260
11.4.1 有约束问题 260
11.4.2 无约束问题 264
11.5 多目标规划问题 266
11.6 最小化问题 269
11.7 最大最小化问题 270
习题 272
第12章 判别分析和聚类分析 273
12.1 概述 273
12.1.1 特征 273
12.1.2 主要步骤 273
12.1.3 类型 273
12.1.4 应用领域 274
12.2 判别分析方法与实例 274
12.2.1 距离判别法 274
12.2.2 朴素贝叶斯判别法 281
12.3 聚类分析方法与实例 283
12.3.1 系统聚类法 283
12.3.2 K均值聚类法 287
12.3.3 模糊C均值聚类法 292
12.3.4 聚类分析的挑战和机遇 297
习题 297
第13章 人工神经网络及应用 299
13.1 概述 299
13.1.1 人工神经网络的结构 299
13.1.2 人工神经网络的特点 301
13.2 人工神经网络数据分析的原理与方法 301
13.2.1 原理 301
13.2.2 适用范围 302
13.2.3 方法和步骤 302
13.3 人工神经网络的MATLAB编程及应用 304
13.3.1 材料性能预测 304
13.3.2 影响因素的定量分析 316
13.3.3 用人工神经网络进行判别分析 322
习题 326
