|
|
隨著科學技術的進步，近半個世紀湧現出了大量的適用的現代數學方法，同時在科學研究時，常會遇到各種海量數據，而這些數據通常又是以空間或時間序列的形式出現。本書結合作者多年的科學研究，將現代數學方法應用到各類序列數據處理與解釋中。主要包括地學空間序列數據的處理與解釋，生物時間序列數據的處理和經濟時間序列數據的處理與預測。
１ 緒論/ １
１- １ 現代數學方法研究綜述/ ２
１- １- １ 人工神經網絡/ ２
１- １- ２ 獨立分量分析/ ５
１- １- ３ 支持向量機/ ７
１- １- ４ 灰色系統分析/ ８
１- １- ５ 聚類分析/ ９
１- ２ 研究背景綜述/ １１
１- ２- １ 測井和地震數據的處理與解釋/ １１
１- ２- ２ 植物病蟲害預測及生物醫學信號降噪/ １５
１- ２- ３ 經濟時序數據降噪與股票分析/ １８
１- ３ 研究內容與結構安排/ ２０
２ 現代數學方法在地學序列數據處理中的應用/ ２２
２- １ ＢＰ 神經網絡在測井數據解釋中的應用/ ２２
２- １- １ ＢＰ 網絡算法原理/ ２２
２- １- ２ 儲層物性參數預測/ ３１
２- １- ３ 實際預測及效果分析/ ３６
２- １- ４ 結論與討論/ ４８
２- ２ 盲信號處理在地震信號降噪中的應用/ ４８
２- ２- １ 研究背景/ ４８
２- ２- ２ 獨立分量分析的算法原理/ ５０
２- ２- ３ 地震信號多次波分離技術/ ６４
２- ２- ４ 基於獨立分量分析的多次波盲分離技術/ ７４
２- ２- ５ 多次波盲分離仿真試驗/ ９２
２- ２- ６ 結論與討論/ １０３
３ 現代數學方法在生物序列數據處理中的應用/ １０６
３- １ 相空間重構和支持向量機在小麥條銹病預測中的應用/ １０６
３- １- １ 研究背景/ １０６
３- １- ２ ＬＳＳＶＭ 模型預測小麥條銹病發病率/ １０７
３- １- ３ ＰＳＲ－ＬＳＳＶＭ 模型預測小麥條銹病發病率/ １１２
３- １- ４ ＬＳＳＶＭ 和ＰＳＲ－ＬＳＳＶＭ 預測模型對比/ １１９
３- １- ５ 結果分析及討論/ １２１
３- ２ 神經網絡在胎兒體重預測中的應用/ １２１
３- ２- １ 研究背景/ １２１
３- ２- ２ 預測參數選擇與數據來源/ １２２
３- ２- ３ ＢＰ 人工神經網絡模型預測胎兒體重/ １２３
３- ２- ４ 傳統迴歸預測模型對比/ １３２
３- ２- ５ 結論與討論/ １３７
３- ３ 獨立分量分析在生物醫學信號增強中的應用/ １３８
３- ３- １ 研究背景/ １３８
３- ３- ２ 研究方法與原理/ １３９
３- ３- ３ 利用ＦａｓｔＩＣＡ 增強心電信號/ １４２
３- ３- ４ 結果分析/ １４６
４ 現代數學方法在經濟序列數據處理中的應用/ １４８
４- １ 獨立分量分析在經濟時序數據降噪中的應用/ １４８
４- １- １ 研究背景/ １４８
４- １- ２ 基於ＩＣＡ 噪聲消除技術/ １４９
４- １- ３ 仿真與實證分析/ １５２
４- １- ４ 結論與討論/ １５５
４- ２ 灰色系統在震後農民增收分析中的應用/ １５５
４- ２- １ 研究背景/ １５５
４- ２- ２ 數據收集與整理/ １５５
４- ２- ３ ＧＭ (１，１) 時序預測模型的建立/ １５８
４- ２- ４ 震後農民收入評估/ １５９
４- ２- ５ 結論與討論/ １６２
４- ３ 系統聚類法在股票分析中的應用/ １６３
４- ３- １ 研究背景/ １６３
４- ３- ２ 算法原理/ １６４
４- ３- ３ 數據預處理/ １６５
４- ３- ４ 結果分析與討論/ １６８
４- ３- ５ 結論與討論/ １７５
５ 研究總結與展望/ １７６
參考文獻/ １８０
附錄/ １９５
