独立分量分析及其在科学数据挖掘中的应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究背景和意义 | 第10-11页 |
| ·独立分量分析的发展史 | 第11-13页 |
| ·内容安排 | 第13-14页 |
| 第二章 数据挖掘 | 第14-24页 |
| ·数据挖掘的定义 | 第14-15页 |
| ·数据挖掘的产生和发展趋势 | 第15-17页 |
| ·数据挖掘的功能 | 第17页 |
| ·数据挖掘的基本任务 | 第17-18页 |
| ·数据挖掘过程简介 | 第18-19页 |
| ·数据挖掘的应用 | 第19-22页 |
| ·商业应用 | 第19-20页 |
| ·Web 挖掘 | 第20-21页 |
| ·科学研究 | 第21-22页 |
| ·数据挖掘系统的评价标准 | 第22-24页 |
| 第三章 独立分量分析的基本原理 | 第24-41页 |
| ·统计论基础知识 | 第24-29页 |
| ·微分熵 | 第24-25页 |
| ·联合熵 | 第25页 |
| ·互信息 | 第25-26页 |
| ·K_L 散度和负熵 | 第26-27页 |
| ·最大熵定理 | 第27页 |
| ·高阶统计特性分析 | 第27-29页 |
| ·多维数据的线性描述方法 | 第29-30页 |
| ·主分量分析(PCA) | 第30-34页 |
| ·PCA 基本概念 | 第30-33页 |
| ·特征值分解算法 | 第33页 |
| ·PCA 方法的缺点 | 第33-34页 |
| ·独立分量分析(ICA) | 第34-40页 |
| ·统计独立的基本概念 | 第34-35页 |
| ·ICA 定义及其线性模型 | 第35-39页 |
| ·ICA 的若干限制条件 | 第39-40页 |
| ·ICA 和PCA 的比较 | 第40-41页 |
| 第四章 独立分量分析在科学数据挖掘中的应用 | 第41-60页 |
| ·科学数据挖掘系统 | 第41-48页 |
| ·科学数据挖掘系统概述 | 第41-42页 |
| ·科学数据挖掘系统功能介绍 | 第42-44页 |
| ·系统体系结构 | 第44-47页 |
| ·系统功能说明 | 第47-48页 |
| ·ICA 在科学数据挖掘中的应用 | 第48-60页 |
| ·HDF5 概述 | 第48-52页 |
| ·ICA 在Lared_P 数据挖掘中的应用 | 第52-57页 |
| ·电子回旋共振(ECR)等离子体流 | 第57-58页 |
| ·ICA 在ECR 数据挖掘中的应用 | 第58-60页 |
| 第五章 总结和展望 | 第60-62页 |
| ·本文工作总结 | 第60页 |
| ·前景展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻硕期间取得的成果 | 第66-67页 |
