第1章 利用MATLAB生成Word和Excel文檔 1.1 組件對象模型(COM) 1.1.1 什麼是CoM 1.1.2 CoM接口 1.2 MATLAB中的ActiveX控件接口技術 1.2.1 actxcontrol函數 1.2.2 actxcontrollist函數 1.2.3 actxcontrolselect函數 1.2.4 actxserver函數 1.2.5 利用MATLAB調用COM對象 1.2.6 調用actxserver函數創建組件服務器 1.3 案例1：利用MATLAB生成Word文檔 1.3.1 調用actxserver函數創建Microsoft Word服務器 1.3.2 建立Word文本文檔 1.3.3 插入錶格 1.3.4 插入圖片 1.3.5 保存文檔 1.3.6 完整代碼 1.4 案例2：利用MATLAB生成Excel文檔 1.4.1 調用actxserver函數創建Microsoft Excel服務器 1.4.2 新建Excel工作簿 1.4.3 獲取工作錶對象句柄 1.4.4 插入、復製、刪除、移動和重命名工作錶 1.4.5 頁麵設置 1.4.6 選取工作錶區域 1.4.7 設置行高和列寬 1.4.8 閤並單元格 1.4.9 邊框設置 1.4.10 設置單元格對齊方式 1.4.11 寫入單元格內容 1.4.12 插入圖片 1.4.13 保存工作簿 1.4.14 完整代碼第2章 數據的導入與導齣 2.1 案例3：從TXT文件中讀取數據 2.1.1 利用數據導入嚮導導入TXT文件 2.1.2 調用高級函數讀取數據 2.1.3 調用低級函數讀取數據 2.2 案例4：把數據寫入TXT文件 2.2.1 調用dlmread函數寫入數據 2.2.2 調用fprintf函數寫入數據 2.3 案例5：從Excel文件中讀取數據 2.3.1 利用數據導入嚮導導入Excel文件 2.3.2 調用xlsread函數讀取數據 2.4 案例6：把數據寫入Excel文件第3章 數據的預處理 3.1 案例7：數據的平滑處理 3.1.1 smooth函數 3.1.2 smoothts函數 3.1.3 medfiltl函數 3.2 案例8：數據的標準化變換 3.2.1 標準化變換公式 3.2.2 標準化變換的MATLAB實現 3.3 案例9：數據的極差歸一化變換 3.3.1 極差歸一化變換公式 3.3.2 極差歸一化變換的MATLAB實現第4章 生成隨機數 4.1 案例10：生成一元分布隨機數 4.1.1 均勻分布隨機數和標準正態分布隨機數 4.1.2 RandStream類 4.1.3 常見一元分布隨機數 4.1.4 任意一元分布隨機數 4.2 案例11：生成多元分布隨機數 4.3 案例12：濛特卡洛方法 4.3.1 有趣的濛提霍爾問題 4.3.2 抽球問題的濛特卡洛模擬 4.3.3 用濛特卡洛方法求圓周率 4.3.4 用濛特卡洛方法求積分 4.3.5 街頭騙局揭秘第5章 參數估計與假設檢驗 5.1 案例13：常見分布的參數估計 5.2 案例14：正態總體參數的檢驗 5.2.1 總體標準差已知時的單個正態總體均值的U檢驗 5.2.2 總體標準差未知時的單個正態總體均值的τ檢驗 5.2.3 總體標準差未知時的兩個正態總體均值的比較τ檢驗 5.2.4 總體均值未知時的單個正態總體方差的X2檢驗 5.2.5 總體均值未知時的兩個正態總體方差的比較F檢驗 5.3 案例15：分布的擬閤與檢驗 5.3.1 案例描述 5.3.2 描述性統計量 5.3.3 統計圖 5.3.4 分布的檢驗 5.3.5 最終結論 5.4 案例16：核密度估計 5.4.1 經驗密度函數 5.4.2 核密度估計 5.4.3 核密度估計的MATLAB實現 5.4.4 核密度估計的案例分析第6章 Copula理論及應用實例 6.1 Copula函數的定義與基本性質 6.1.1 二元Copula函數的定義及性質 6.1.2 多元Copula函數的定義及性質 6.2 常用的Copula函數 6.2.1 正態Copula函數 6.2.2 τ-Copula函數 6.2.3 阿基米德Copula函數 6.3 Copula函數與相關性度量 6.3.1 Pearson綫性相關係數r 6.3.2 Kcndau秩相關係數τ 6.3.3 Spearman秩相關係數ps 6.3.4 尾部相關係數又 6.3.5 基於Copula函數的相關性度量 6.3.6 基於常用二元Copula函數的相關性度量 6.4 案例17：滬深股市日收益率的二元Copula模型 6.4.1 案例描述 6.4.2 確定邊緣分布 6.4.3 選取適當的Copula函數 6.4.4 參數估計 6.4.5 與Copula有關的MATLAB函數 6.4.6 案例的計算與分析第7章 方差分析 7.1 案例18：單因素一元方差分析 7.1.1 單因素一元方差分析的MATLAB實現 7.1.2 案例分析 7.2 案例19：雙因素一元方差分析 7.2.1 雙因素一元方差分析的MATLAB實現 7.2.2 案例分析 7.3 案例21：多因素一元方差分析 7.3.1 多因素一元方差分析的MATLAB實現 7.3.2 案例分析一 7.3.3 案例分析二 7.4 案例20：單因素多元方差分析 7.4.1 單因素多元方差分析的MATLAB實現 7.4.2 案例分析 7.5 案例22：非參數方差分析 7.5.1 非參數方差分析的MATLAB實現 7.5.2 Kruskal-Wallis檢驗的案例分析 7.5.3 Friedman檢驗的案例分析第8章 數據擬閤 8.1 案例23：一元綫性迴歸分析 8.1.1 數據的散點圖 8.1.2 調用regress函數作一元綫性迴歸分析 8.1.3 調用regstats函數作一元綫性迴歸分析 8.1.4 調用robustfit i~數作穩健迴歸 8.2 案例24：一元非綫性迴歸分析 8.2.1 數據的散點圖 8.2.2 調用nlinfit函數作一元非綫性迴歸分析 8.2.3 利用麯綫擬閤工具cftool作一元非綫性擬閤 8.3 案例25：多重迴歸分析 8.3.1 調用自編reglm函數作多重迴歸分析 8.3.2 調用stepwise函數作逐步迴歸第9章 聚類分析 9.1 聚類分析簡介 9.1.1 距離和相似係數 9.1.2 係統聚類法 9.1.3 K均值聚類法 9.1.4 模糊C均值聚類法 9.2 案例26：係統聚類法的案例分析 9.2.1 係統聚類法的MATLAB函數 9.2.2 樣品聚類案例 9.2.3 變量聚類案例 9.3 案例27：K均值聚類法的案例分析 9.3.1 K均值聚類法的MATLAB函數 9.3.2 K均值聚類法案例 9.4 案例28：模糊C均值聚類法的案例分析 9.4.1 模糊C均值聚類法的MATLAB函數 9.4.2 模糊C均值聚類法案例第10章 判彆分析 10.1 判彆分析簡介 10.1.1 距離判彆 10.1.2 貝葉斯判彆 10.1.3 Fisher判彆 10.2 案例29：距離判彆法的案例分析 10.2.1 classify函數 10.2.2 案例分析 10.3 案例30：貝葉斯判彆法的案例分析 10.3.1 NaiveBayes類 10.3.2 案例分析 10.4 案例31：Fisher判彆法的案例分析 10.4.1 Fisher判彆分析的MATLAB實現 10.4.2 案例分析第11章 主成分分析 11.1 主成分分析簡介 11.1.1 主成分分析的幾何意義 11.1.2 總體的主成分 11.1.3 樣本的主成分 11.1.4 關於主成分錶達式的兩點說明 11.2 主成分分析的MATLAB函數 11.2.1 pcacov函數 11.2.2 princomp函數 11.2.3 pcarcs函數 11.3 案例32：從協方差矩陣或相關係數矩陣齣發求解主成分 11.3.1 調用pcacov函數作主成分分析 11.3.2 結果分析 11.4 案例33：從樣本觀測值矩陣齣發求解主成分 11.4.1 調用princomp函數作主成分分析 11.4.2 結果分析 11.4.3 調用pcares函數重建觀測數據第12章 因子分析 12.1 因子分析簡介 12.1.1 基本因子分析模型 12.1.2 因子模型的基本性質 12.1.3 因子載荷陣和特殊方差陣的估計 12.1.4 因子鏇轉 12.1.5 因子得分 12.1.6 因子分析中的正teywood現象 12.2 因子分析的MATLAB函數 12.3 案例34：基於協方差矩陣或相關係數矩陣的因子分析 12.4 案例35：基於樣本觀測值矩陣的因子分析 12.4.1 讀取數據 12.4.2 調用factoran 數作因子分析附錄A 圖像處理中的統計應用案例 A.1 案例36：基於圖像資料的數據重建與擬閤 A.1.1 案例描述 A.1.2 重建圖像數據 A.1.3 麯綫擬閤 A.2 案例37：基於K均值聚類的圖像分割 A.2.1 灰度圖像分割案例 A.2.2 真彩圖像分割案例 A.3 案例38：基於中位數算法的運動目標檢測 A.3.1 案例描述 A.3.2 中位數算法原理 A.3.3 本案例的MATLAB實現一 A.3.4 本案例的MATLAB實現二 A.4 案例39：基於貝葉斯判彆的手寫體數字識彆 A.4.1 樣本圖片的預處理 A.4.2 創建樸素貝葉斯分類器對象 A.4.3 判彆效果 A.5 案例40：基於主成分分析的圖像壓縮與重建 A.5.1 基於主成分分析的圖像壓縮與重建原理 A.5.2 圖像壓縮與重建的MATLAB實現附錄B MATLAB統計工具箱函數大全參考文獻
· · · · · · (收起)