本書將模糊數(shù)據(jù)作為統(tǒng)計(jì)學(xué)研究范疇的對(duì)象，特別是以具有凸性的模糊數(shù)據(jù)作為研究對(duì)象，將統(tǒng)計(jì)學(xué)分析方法和模糊數(shù)學(xué)理論有機(jī)地結(jié)合起來(lái)，尤其是將α截集與置信區(qū)間分析方法相結(jié)合，提出并研究了模糊統(tǒng)計(jì)估計(jì)方法、廣義模糊估計(jì)量等。這些成果豐富和發(fā)展了模糊數(shù)據(jù)統(tǒng)計(jì)分析方法，在模糊數(shù)據(jù)統(tǒng)計(jì)分析方法的方法論、認(rèn)識(shí)論上具有一定程度的創(chuàng)新發(fā)展。全書系統(tǒng)地闡述和研究了模糊數(shù)據(jù)統(tǒng)計(jì)分析方法及應(yīng)用。全書內(nèi)容分為兩部分:第一部分介紹和闡述了模糊集理論的有關(guān)內(nèi)容，這是全書的理論基礎(chǔ);第二部分研究和闡述了模糊數(shù)據(jù)統(tǒng)計(jì)分析方法及應(yīng)用，

本書深入全面地講解了現(xiàn)代推薦算法，同時(shí)兼顧深度和廣度，介紹了當(dāng)下較前沿、先進(jìn)的各類算法及其實(shí)踐。本書從總覽篇開始，介紹推薦系統(tǒng)的基本概念及工作環(huán)節(jié)。在模型篇中，除了梳理推薦系統(tǒng)的發(fā)展史，本書還重點(diǎn)講解面向工業(yè)實(shí)踐的選擇及改進(jìn)，為讀者打下推薦系統(tǒng)的算法基礎(chǔ)；進(jìn)而帶著讀者進(jìn)階到前沿篇、難點(diǎn)篇，面對(duì)推薦系統(tǒng)中的各式問(wèn)題，給出解決方案；最后在決策篇中，從技術(shù)原理和用戶心理出發(fā)，解釋一些常見決策背后的依據(jù)，從而幫助讀者從執(zhí)行層面進(jìn)階到?jīng)Q策層面，建立大局觀。本書力求用簡(jiǎn)潔易懂的語(yǔ)言說(shuō)清核心原理，對(duì)已經(jīng)有一定

本書以Python為工具，全面講解概率論與數(shù)理統(tǒng)計(jì)的主要內(nèi)容和多元統(tǒng)計(jì)分析常用技術(shù)。全書包括13章和4個(gè)附錄，內(nèi)容翔實(shí)，講解深入淺出。概率論4章，講解概率論基礎(chǔ)知識(shí)，主要是隨機(jī)變量的相關(guān)理論；數(shù)理統(tǒng)計(jì)4章，主要是樣本理論、參數(shù)估計(jì)和假設(shè)檢驗(yàn)；回歸分析2章，包括一元和多元回歸分析及其統(tǒng)計(jì)解釋；多元統(tǒng)計(jì)3章，主要講解主成分分析和因子分析理論。整書內(nèi)容簡(jiǎn)明，易上手，實(shí)用性強(qiáng)。本書不需要讀者有良好的數(shù)學(xué)基礎(chǔ)，4個(gè)附錄提供了Python基礎(chǔ)知識(shí)、微積分與線性代數(shù)的必要基礎(chǔ)，可滿足不同層次的讀者需求。本書的

本書以Python為工具，全面講解概率論與數(shù)理統(tǒng)計(jì)的主要內(nèi)容和多元統(tǒng)計(jì)分析常用技術(shù)。全書包括13章和4個(gè)附錄，內(nèi)容翔實(shí)，講解深入淺出。概率論4章，講解概率論基礎(chǔ)知識(shí)，主要是隨機(jī)變量的相關(guān)理論；數(shù)理統(tǒng)計(jì)4章，主要是樣本理論、參數(shù)估計(jì)和假設(shè)檢驗(yàn)；回歸分析2章，包括一元和多元回歸分析及其統(tǒng)計(jì)解釋；多元統(tǒng)計(jì)3章，主要講解主成分分析和因子分析理論。整書內(nèi)容簡(jiǎn)明，易上手，實(shí)用性強(qiáng)。本書不需要讀者有良好的數(shù)學(xué)基礎(chǔ)，4個(gè)附錄提供了Python基礎(chǔ)知識(shí)、微積分與線性代數(shù)的必要基礎(chǔ)，可滿足不同層次的讀者需求。本書的

本書主要介紹了現(xiàn)代隨機(jī)過(guò)程理論中一些經(jīng)典的理論,內(nèi)容包括預(yù)備知識(shí)、隨機(jī)過(guò)程的基本概念、泊松過(guò)程、布朗運(yùn)動(dòng)、馬爾可夫鏈、更新過(guò)程、鞅與停時(shí)、隨機(jī)積分與隨機(jī)微分方程以及它們?cè)谄飘a(chǎn)理論和金融衍生產(chǎn)品定價(jià)方面的應(yīng)用.本書選材精簡(jiǎn)實(shí)用,內(nèi)容安排得當(dāng),論述簡(jiǎn)潔明了,語(yǔ)言自然流暢,具有很好的可讀性.此外,每小節(jié)之后基本都配有精選的練習(xí)題,便于讀者掌握和鞏固知識(shí),每章還配有電子課件,掃描二維碼可以反復(fù)學(xué)習(xí).

全書共十章，內(nèi)容包括回歸分析、變量選擇、時(shí)間序列、非參數(shù)統(tǒng)計(jì)、聚類分析、判別分析、邏輯斯諦回歸與支持向量機(jī)、主成分分析、因子分析、縱向數(shù)據(jù)分析。各章都有豐富的案例分析，為使書中案例貼近數(shù)據(jù)的應(yīng)用實(shí)際，采用了方便獲取的證券市場(chǎng)高頻數(shù)據(jù)，并使用國(guó)際通用的R軟件進(jìn)行數(shù)據(jù)收集、處理、加工和分析，便于讀者自己動(dòng)手和實(shí)際應(yīng)用。全書內(nèi)容講解簡(jiǎn)明扼要，注重應(yīng)用，讓讀者從收集數(shù)據(jù)開始，掌握數(shù)據(jù)收集、整理和大數(shù)據(jù)統(tǒng)計(jì)分析的全過(guò)程。

本書面向復(fù)雜不確定環(huán)境下可解釋分類的需求，重點(diǎn)闡述作者提出的置信規(guī)則分類方法體系及其在實(shí)際工程中的應(yīng)用。全書主要內(nèi)容包括不可靠數(shù)據(jù)魯棒置信規(guī)則分類、面向大數(shù)據(jù)的緊湊置信規(guī)則分類、數(shù)據(jù)與知識(shí)雙驅(qū)動(dòng)的復(fù)合置信規(guī)則分類、精確且可解釋的置信關(guān)聯(lián)規(guī)則分類、面向高維數(shù)據(jù)的置信關(guān)聯(lián)規(guī)則分類、面向軟標(biāo)簽數(shù)據(jù)的置信關(guān)聯(lián)規(guī)則分類等方面的理論進(jìn)展，以及在編隊(duì)目標(biāo)識(shí)別、多框架融合目標(biāo)識(shí)別、多屬性決策融合目標(biāo)威脅評(píng)估等實(shí)際問(wèn)題中的應(yīng)用。

功能分析（FunctionsAnalysis)是由斯金納在1948年提出的用以解釋行為和環(huán)境變量之間的關(guān)系的一種方法，70年代起研究人員開始將其應(yīng)用于臨床實(shí)踐。實(shí)踐證明這一方法對(duì)于孤獨(dú)癥、智力發(fā)育障礙、精神分裂癥及多重診斷等人群的嚴(yán)重問(wèn)題行為的分析上有著重要的作用。本書是有關(guān)功能分析方法的最新內(nèi)容，詳細(xì)介紹了這一方法的具體實(shí)踐應(yīng)用和注意事項(xiàng)，包括倫理考量、實(shí)驗(yàn)設(shè)計(jì)和方法、數(shù)據(jù)解讀等多個(gè)方面。書中提供教學(xué)用幻燈片、練習(xí)腳本、培訓(xùn)前后的測(cè)驗(yàn)、數(shù)據(jù)記錄表格和可重復(fù)使用的講義等材料，適用于對(duì)學(xué)校、

本書基于回聲狀態(tài)網(wǎng)絡(luò)ESN研究時(shí)間序列分類和預(yù)測(cè)問(wèn)題：第一，分析了面向時(shí)間序列分析的ESN；第二，研究了基于DE和ESN的時(shí)間序列分類方法；第三，研究了基于BSA優(yōu)化ESN的時(shí)間序列預(yù)測(cè)方法；第四，研究了基于組合ESN的時(shí)間序列預(yù)測(cè)方法；第五，設(shè)計(jì)了基于小波ESN的旅游需求預(yù)測(cè)模型；第六，構(gòu)建了基于雙儲(chǔ)備池ESN的電力負(fù)荷預(yù)測(cè)模型；第七，設(shè)計(jì)了基于VMD和改進(jìn)ESN的風(fēng)速預(yù)測(cè)模型；第八，提出了基于Bagging和ESN的能源消費(fèi)量預(yù)測(cè)。這些研究成果可以幫助行業(yè)和企業(yè)管理人員提高復(fù)雜數(shù)據(jù)環(huán)境下的預(yù)

本書系統(tǒng)地介紹了定義在離散格(包括Zd和Bethe樹等)圖上的取值于有限集合的隨機(jī)場(chǎng)的相變、信息度量，以及網(wǎng)絡(luò)演化博弈論。全書共10章，分為三個(gè)部分。第一部分包括第1章至第3章，給出了隨機(jī)場(chǎng)的一般定義，重點(diǎn)介紹馬爾可夫場(chǎng)和Gibbs場(chǎng)，以及它們的等價(jià)關(guān)系，討論了Z2和樹(包括開樹和閉樹)上Ising模型的相變問(wèn)題。第二部分是第4章至第9章，介紹定義在Zd和樹上的隨機(jī)場(chǎng)的信息度量，包括各種熵度量和率失真函數(shù)，證明了某種意義下的平穩(wěn)隨機(jī)場(chǎng)熵率的存在性，并證明了在概率收斂意義下的弱熵定理，特別對(duì)樹指標(biāo)