基于群智能最优化算法的投影寻踪理论--新进展应用及软件

本书以统计学、群智能很优化算法、计算机科学与技术、综合评价等理论为基础，论述投影寻踪分类（PPC）和投影寻踪回归（PPR）模型在综合评价、排序、分类研究，以及有教师值（有监督）的综合评价、数据拟合、预测、预警研究中的实践应用。第一章主要论述PPC、PPR模型的由来、特点、研究新进展及其存在的主要问题；第二章主要介绍目前常用的PP模型、特性、适用条件等；第三章简要介绍几种全局搜索能力强和局部收敛较快速的群智能很优化算法，并进行实证研究；第四章详细论述一维PPC模型的建模原理、投影窗口半径等参数、归一化方法等对建模结果的影响等，提出判定很优化过程求得全局很优化的定理和推论，论述判断结果正确性、合理性的基本原则，并通过大量实例构建一维PPC模型的流程，以及现有研究中存在的主要问题等；第五章通过实证研究论述建立基于单指标区间评价标准的插值型IPP模型的基本原理、构建原则及其注意事项等；第六章通过实证研究论述建立低维逐次投影寻踪LDSPPC模型的基本原理、构建原则、适用条件及其注意事项等；第七章通过实例论述建立PPR模型、基于试验优化设计的PPR模型，分析其适用条件和存在的主要问题等；第八章主要论述建立PPTR、PPBP、PPAR、PPARTR、PPARBP等投影寻踪耦合模型的基本原理、适用条件、存在问题以及开展实证研究等，论述PPBP与BPNN模型的区别、联系及其选用原则等；第九章主要论述建立PP模型与TOPSIS、GRA、ANN、SFA、云模型等组合模型的基本原理、适用条件和存在的主要问题，以及实证研究等；第十章通过实证研究，手把手带领读者学习建立PPC、IPP、DCPP、MPPC、PPR、PPAR、PPTR、PPBP、PPARTR等模型，展望PP建模理论与应用研究的发展趋势。 本书的特点是内容新颖、理论分析透彻、论证充分、应用实例多、说明详尽，内容深入浅出，便于理解和实际建模，既适用于PP理论初学者，又适用于具有较好基础的读者以及PP模型的专门研究者。 本书可为高校、科研院所从事数据挖掘、建模的高年级本科生、研究生和教师以及有关科技人员提供帮助和应用参考。

第一章 绪论
1.1 PP模型的优势和特色
1.2 建立PP模型的核心问题
1.3 PP模型研究历程概述
1.4 国内PP模型研究新进展
第二章 常用的投影寻踪模型基本原理
2.1 建模样本数据的特征分析
2.2 PP指标的基本性质
2.3 基于密度型投影指标函数-维PPC模型
2.4 基于信息熵一维PPC模型
2.5 基于动态聚类投影寻踪(DCPP)模型
2.6 基于单指标评价区间标准插值型投影寻踪(IPP)模型
2.7 低维逐次投影寻踪(LDSPPC)模型
2.8 投影寻踪回归(PPR)模型
2.9 用于实验优化设计的T-PPR模型
2.10 用于数据拟合与预测的投影寻踪耦合模型
2.11 用于综合评价和数据拟合的投影寻踪组合模型
2.12 不同PP模型的特性及适用条件
第三章 常用的群智能很优化算法原理
3.1 群搜索很优化算法原理
3.2 寄生-捕食很优化算法原理
3.3 人工生态系统很优化算法原理
3.4 人工蜂群很优化算法原理
3.5 平衡优化器很优化算法原理
3.6 静电放电很优化算法原理
3.7 海洋食肉动物捕食很优化算法原理
3.8 不同群智能很优化算法性能比较的实证研究
第四章 常用的一维PPC模型及实证研究
4.1 确定投影窗口半径R值的合理范围
4.2 确定正确的很好权重约束条件
4.3 选取合理的指标归一化方法
4.4 确定平衡系数u的合理值
4.5 判定真正全局很优解的准则
4.6 建立一维PPC模型的实证研究
4.7 建立基于信息熵PP模型的实证研究
4.8 建立DCPP模型的实证研究
4.9 建立一维PPC模型和主成分模型的实证研究
4.10 建立正确、合理、可靠的PP模型
第五章 插值型投影寻踪模型及实证研究
5.1 优选等级区间右端点优选值对建模结果的影响
5.2 随机生成样本数量对IPP模型建模结果的影响
5.3 确定样本期望值y(i)与投影值z(i)之间的函数关系
5.4 建立1PP模型□与□的实证研究
5.5 建立正确、合理、可靠的IPP模型
5.6 建立1PP模型的常见错误
第六章 低维逐次投影寻踪模型及实证研究
6.1 什么情况下需要建立LDSPPC模型
6.2 LDSPPC模型的原理
6.3 建立供应商评估、排序LDSPPC模型的实证研究
6.4 建立线上供应链金融风险综合评价LDSPPC模型的实证研究
6.5 建立基于DCPP基础模型的LDSDCPP模型实证研究
6.6 针对样本数据②建立LDSPPC模型□
6.7 针对样本数据②建立二维PPC模型□实证研究
6.8 建立LDSPPC模型
第七章 建立PPR模型及其实证研究
7.1 概述
7.2 建立H—PPR模型
7.3 建立P—PPR模型
7.4 建立适用于实验优化设计的T—PPR模型
7.5 表征PPR模型性能的主要指标
7.6 PPR模型的实证研究
7.7 建立正确、合理、可靠的PPR模型
7.8 建立PPR模型的常见错误
第八章 建立投影寻踪耦合模型及实证研究
8.1 投影寻踪门限回归模型原理及实证研究
8.2 PPBP模型原理及实证研究
8.3 PPAR模型原理及实证研究
8.4 PPARTR模型原理及实证研究
8.5 PPARBP模型原理及实证研究
8.6 基于小波分解技术的PP耦合模型
8.7 PP耦合模型
第九章 建立投影寻踪组合模型及实证研究
9.1 建立基于PPC模型权重的组合评价模型及实证研究
9.2 根据PPC模型的权重筛选重要指标
9.3 根据PP模型的很好权重进行组合评价
9.4 基于PPC模型的GRA、TOPSIS、SFA等组合模型
9.5 建立PPC模型与云模型的组合模型及实证研究
9.6 建立PP模型与神经网络组合模型
9.7 PP组合模型及常见错误
第十章 PP模型及实证研究
10.1 建立DCPP、IPP和MPPC模型
10.2 建立基于时间序列数据PPAR等模型
10.3 建立基于多维变量时间序列数据PPAR和PPARBP模型
10.4 基于实验优化设计数据建立PPR模型
10.5 PP模型理论与应用研究的发展趋势
参考文献
后记