Структурные методы обработки эмпирических данных

Автор(ы)

Браверман Э.М, Мучник И.Б

Год

1983

Язык

rus

Теги

География и геология Математика Медицина Программирование Экономика

Аннотация

Структурные методы обработки эмпирических данных Год : 1983 Автор : Браверман Э.М., Мучник И.Б. Издательство : Наука Язык : Русский Формат : DjVu Качество : Отсканированные страницы Количество страниц : 464 Описание : В книге впервые собраны вместе методы обработки на ЭВМ эмпирических данных большого объема и различной природы — числовых данных, эмпирических графов, кривых и изображений (результаты испытаний машин и приборов, социально-экономических обследований, данные о структуре организационных систем, осциллограммы динамических объектов, космические фотоснимки). Методы основаны на понятиях, разрабатываемых в теории искусственного интеллекта, и позволяют резко сжать исходные массивы данных и представить содержащуюся в них существенную информацию в виде коротких символических описаний (их называют поэтому структурными или лингвистическими). Они широко применяются в технике, геологии, социологии, экономике и медицине, особенно для принятия управленческих решений в сложных неопределенных ситуациях. Монография предназначена для математиков, инженеров, программистов, экономистов и других специалистов, занятых обработкой экспериментальных данных на ЭВМ. Примеры страниц Оглавление Предисловие 5 Глава [. Основы корреляционного анализа данных . . 9 § 1. Матрица даипых 9 § 2. Коэффициент корреляции и корреляцпоппая матрица 12 § 3. Приближенные методы определения собственных чисел и собственных векторов корреляциоппой мат­рицы .• 20 § 4. Статистическая модель порождения данных . . 24 ✓ Глава II. Линейный регрессионный анализ 38 § 1. Метод наименьших квадратов 40 § 2. Структурные уравнения линейной регрессии . . 47 § 3. Статистический подход к решению структурных- уравпопий регрессии 60 § 4 Аппроксимационпый подход к решению структур- пых уравпепий регрессии 03 Глада III. Модели и методы факторного анализа ... 72 § 1. Осповпая идея факторного анализа 72 § 2. Модели факториого анализа 75 § 3. Метод главных компонент 88 § 4. Метод центроидиых компонент 96 § 5. Специальный факторный анализ 107 § 6. Вращение факторов 122 Глава IV. Задача агрегирования (задача диагонализацни матрицы связи) 132 § 1. Содержательная постановка задачи агрегирования 132 § 2. Диагонализация матрицы связи произвольной при­роды 139 § 3. Экстремальная группировка параметров ... 151 § 4. Автоматическая классификация объектов . . . 167 Г лава V. Лингвистические методы обработки матрицы дан­ных 192 § 1. Общая характеристика лингвистических методов . 192 § 2. Последовательные алгоритмы 196 § 3. Критерии непосредственной аппроксимации матри­цы даипых 204 § 4. Параллельные алгоритмы (описание процедур не­посредственной аппроксимации матрицы данных) 209 § 5. Обработка данных с пропусками 227 § G. Обработка данных с особенностями .... 230 Глава VI. Задача обучения машины распознаванию образов 230 § 1. Общая характеристика задачи 230 § 2. Задача ооучепия машины распозпавалпю образов в детерминистской постановке 250 § 3. Задача распознавания образов в вероятностпой