投影寻踪方法与应用
2008-1
西北工业大学出版社
田铮
264
投影寻踪是处理和分析高维数据的一类新兴的统计方法，其基本思想是将高维数据投影到低维（1～3维）子空间上，寻找出反映原高维数据的结构或特征的投影，以达到研究和分析高维数据的目的。1974年，美国Stan—ford大学的Friedman和Tukey首次将该方法命名为Projection Pursuit，即投影寻踪。 《投影寻踪方法与应用》是在国家自然科学基金（项目批准号：60375003）、3项航空科学基金（项目批准号分别为：03153059，981123，951127）以及模式识别国家重点实验室和图像信息处理与智能控制教育部重点实验室等多个项目的资助下所完成的关于投影寻踪理论、方法与应用方面的研究成果。
第一章 投影寻踪——一类新兴的统计方法1.1 投影寻踪方法的特点及优点1.2 投影寻踪的发展简史1.3 本书的主要内容参考文献第二章 投影指标与投影寻踪回归2.1 常用的重要投影指标2.1.1 密度型投影指标2.1.2 非密度型投影指标2.2 高光谱图像中小目标无监督检测的投影寻踪方法2.2.1 投影指标的选取2.2.2 基于遗传算法的投影方向最优化2.2.3 高光谱图像中小目标无监督检测的实例2.3 基于LDA投影指标和Lr投影指标的有监督分类2.3.1 Lr投影指标2.3.2 基于模拟退火方法的投影指标最优化2.3.3 模拟数据分类2.4 投影指标小波核估计的统计性质2.4.1 预备知识2.4.2 两类投影指标的小波核估计2.5 投影指标的Bootstrap估计及其统计性质2.5.1 预备知识2.5.2 投影指标的Bootstrap估计2.5.3 拟最佳投影方向2.6 SAR图像与极化SAR图像分类的序列投影寻踪方法2.6.1 预备知识2.6.2 极化SAR数据的相似性参数与极化SAR图像分类2.6.3 序列投影寻踪模型与计算方法2.6.4 SAR图像分类的序列投影寻踪模型方法2.6.5 基于相似性参数序列投影寻踪的极化SAR图像分类2.6.6 基于拟最佳投影方向的极化SAR图像分类2.7 投影寻踪回归的L2收敛性和全向攻击导弹数据处理2.7.1 投影寻踪回归2.7.2 岭函数为多项式形式时投影寻踪回归的L。收敛性2.7.3 全向攻击导弹数据处理2.8 非线性系统高维特征量的稳健投影寻踪回归建模2.8.1 稳健投影寻踪建模方法2.8.2 航空发动机低压转子转速的稳健投影寻踪模型参考文献第三章 投影寻踪学习网络的统计性质与应用3.1 投影寻踪学习神经网络3.1.1 投影寻踪学习网络的数学模型和计算步骤3.1.2 回归函数投影寻踪学习网络逼近的Lp收敛性3.2 非线性自回归过程的投影寻踪学习网络逼近3.2.1 非线性自回归过程的投影寻踪学习神经网络逼近的收敛性3.2.2 基于投影寻踪学习网络的非线性自回归过程的建模与预报3.3 多维非线性时间序列的投影寻踪学习网络逼近3.3.1 多维非线性自回归过程的投影寻踪学习神经网络逼近的收敛性3.3.2 应用实例3.4 用于分类的投影寻踪学习网络方法3.4.1 线性Hebb学习和非线性Hebb学习方法3.4.2 用于分类的一维投影寻踪学习网络方法3.4.3 用于分类的二维投影寻踪学习网络方法3.4.4 应用实例3.4.5 目标信号高维特征量的提取与分类……第四章 小波神经风络的应用第五章 投影寻踪小波神经网络及应用参考文献
