MATLAB 6.1實(shí)用指南

第9章 最優(yōu)化方法的MATLAB實(shí)現(xiàn)
9.1 概述
9.1.1 優(yōu)化工具箱中的函數(shù)
9.1.2 優(yōu)化函數(shù)的變量
9.1.3 參數(shù)設(shè)置
9.1.4 模型輸入時需要注意的問題
9.1.5 ＠（函數(shù)句柄）函數(shù)
9.2 最小化問題
9.2.1 單變量最小化
9.2.2 線性規(guī)劃
9.2.3 無約束非線性規(guī)劃
9.2.4 二次規(guī)劃
9.2.5 有約束最小化
9.2.6 目標(biāo)規(guī)劃
9.2.7 最大最小化
9.2.8 半無限問題
9.3 方程求解
9.3.1 線性方程（組）的求解
9.3.2 非線性方程（組）的求解
9.4 最小二乘問題
9.4.1 最小二乘問題概述
9.4.2 線性最小二乘問題
9.4.3 非負(fù)線性最小二乘解問題
9.4.4 有約束線性最小二乘問題
9.4.5 非線性最小二乘問題
9.4.6 非線性曲線擬合
9.5 大型課題
9.5.1 概述
9.5.2 帶雅可比矩陣的非線性等式
9.5.3 采用雅可比稀疏模式的非線性等式
9.5.4 帶全雅可比稀疏模式的非線性最小二乘問題
9.5.5 用梯度和Hessian矩陣的非線性最小化
9.5.6 采用梯度和Hessian稀疏模式的非線性最小化
9.5.7 給定邊界約束和邊界初始條件的非線性最小化
9.5.8 帶等式約束的非線性最小化
9.5.9 帶密集而結(jié)構(gòu)化Hessian矩陣和等式約束的非線性最小化
9.5.10 帶邊界約束的二次最小化
9.5.11 用緊湊的結(jié)構(gòu)化的Hessian矩陣進(jìn)行二次最小化
9.5.12 帶邊界約束的線性最小二乘問題
9.5.13 帶等式約束和不等式約束的線性問題
9.5.14 帶等式約束和不等式約束的線性規(guī)劃問題
9.5.15 等式約束中具有緊湊列的線性規(guī)劃
第10章 樣條曲線的MATLAB實(shí)現(xiàn)
10.1 三次樣條曲線
10.1.1 基本原理
10.1.2 三次樣條曲線的生成
10.2 分段多項(xiàng)式（PP）樣條曲線
10.2.1 基本原理
10.2.2 分段多項(xiàng)式樣條曲線的生成
10.3 B樣條曲線
10.3.1 基本原理
10.3.3 B樣條曲線的生成
10.4 有理樣條曲線
10.4.1 基本原理
10.4.2 有理樣條函數(shù)的生成
10.5 操作器類函數(shù)
10.6 樣條曲線的端點(diǎn)與節(jié)點(diǎn)處理類函數(shù)
10.7 解線性方程組類函數(shù)
10.8 樣條GUI函數(shù)
第11章 偏微分方程數(shù)值解的MATLAB實(shí)現(xiàn)
11.1 概述
11.2 偏微分方程數(shù)值解相關(guān)函數(shù)介紹
11.2.1 偏微分方程求解算法函數(shù)
11.2.2 自定義界面算法函數(shù)
11.2.3 幾何算法函數(shù)
11.2.4 畫圖算法函數(shù)
11.2.5 實(shí)用算法函數(shù)
11.2.6 自定義算法函數(shù)
11.3 利用圖形用戶界面（GUI）實(shí)現(xiàn)偏微分方程求解的一般過程
11.3.1 選擇應(yīng)用模式
11.3.2 建立幾何模型
11.3.3 定義邊界條件
11.3.4 定義PDE類型和PDE系數(shù)
11.3.5 三角形網(wǎng)格剖分
11.3.6 PDE求解
11.3.7 解的圖形表達(dá)
11.4 常見的偏微分方程數(shù)值求解
11.4.1 橢圓型問題
11.4.2 拋物線型問題
11.4.3 雙曲線型問題
11.4.4 特征值問題
11.5 應(yīng)用模式
11.5.1 概述
11.5.2 彈性力學(xué)—平面應(yīng)力
11.5.3 彈性力學(xué)—平面應(yīng)變
11.5.4 靜電學(xué)
11.5.5 磁靜力學(xué)
11.5.6 交流電電磁學(xué)
11.5.7 良導(dǎo)介質(zhì)直流電
11.5.8 熱傳導(dǎo)
11.5.9 發(fā)散問題
第12章 概率論和數(shù)理統(tǒng)計(jì)的MATLAB實(shí)現(xiàn)
12.1 概述
12.2 概率分布
12.2.1 概率密度函數(shù)
12.2.2 累加分布函數(shù)
12.2.3 參數(shù)估計(jì)
12.2.4 逆累加分布函數(shù)
12.2.5 隨機(jī)數(shù)的生成
12.2.6 分布函數(shù)的統(tǒng)計(jì)量估計(jì)
12.3 樣本描述
12.3.1 概述
12.3.2 描述中心趨勢的統(tǒng)計(jì)量
12.3.3 描述離中趨勢的統(tǒng)計(jì)量
12.3.4 其他統(tǒng)計(jì)量
12.4 方差分析
12.4.1 單因子方差分析
12.4.2 雙因子方差分析
12.4.3 多因素方差分析
12.4.4 方差分析工具
12.5 多元方差分析
12.5.1 單因素多元方差分析
12.5.2 分組聚類
12.5.3 多元比較
12.6 回歸分析
12.6.1 線性回歸
12.6.2 嶺回歸
12.6.3 一般線性模型擬合
12.6.4 多項(xiàng)式擬合
12.6.5 穩(wěn)健回歸
12.6.6 響應(yīng)面分析
12.6.7 非線性回歸
12.7 假設(shè)檢驗(yàn)
12.7.1 概述
12.7.2 單個樣本的t檢驗(yàn)
12.7.3 兩個樣本的t檢驗(yàn)
12.7.4 z檢驗(yàn)
12.8 分布檢驗(yàn)
12.8.1 概述
12.8.2 jarque－Bera檢驗(yàn)
12.8.3 單樣本的Kolmogorov－Smirnov檢驗(yàn)
12.8.4 兩個樣本的Kolmogorov－Smirnov檢驗(yàn)
12.8.5 Lilliefors檢驗(yàn)
12.9 非參數(shù)檢驗(yàn)
12.9.1 概述
12.9.2 Kruskal－Wallis檢驗(yàn)
12.9.3 friedman檢驗(yàn)
12.9.4 秩和檢驗(yàn)
12.9.5 符號秩檢驗(yàn)
12.9.6 符號檢驗(yàn)
12.10 判別分析
12.10.1 基本數(shù)學(xué)原理
12.10.2 相關(guān)函數(shù)介紹
12.10.3 應(yīng)用綜合實(shí)例
12.11 聚類分析
12.11.1 基本數(shù)學(xué)原理
12.11.2 相關(guān)函數(shù)介紹
12.11.3 應(yīng)用綜合實(shí)例
12.12 主成分分析
12.12.1 概述
12.12.2 相關(guān)函數(shù)介紹
12.12.3 應(yīng)用綜合實(shí)例
12.13 統(tǒng)計(jì)過程控制
12.13.1 概述
12.13.2 過程控制圖
12.13.3 過程性能圖
12.14 試驗(yàn)設(shè)計(jì)
12.14.1 概述
12.14.2 完全析因設(shè)計(jì)
12.14.3 不完全析因設(shè)計(jì)
12.14.4 D－優(yōu)化設(shè)計(jì)
12.15 統(tǒng)計(jì)圖
12.15.1 概述
12.15.2 箱形圖
12.15.3 經(jīng)驗(yàn)累加分布函數(shù)圖
12.15.4 誤差條圖
12.15.5 函數(shù)交互等值線圖
12.15.6 交互畫線
12.15.7 交互點(diǎn)標(biāo)注
12.15.8 散點(diǎn)矩陣圖
12.15.9 散點(diǎn)圖
12.15.10 添加最小二乘擬合線
12.15.11 正態(tài)概率圖
12.15.12 帕累托圖
12.15.13 q－q圖
12.15.14 回歸個案次序圖
12.15.15 參考多項(xiàng)式曲線
12.15.16 添加參考線
12.15.17 交互插值等值線圖
12.15.18 威布爾圖
12.16 文件輸入／輸出
12.16.1 文件輸入
12.16.2 文件輸出
12.17 統(tǒng)計(jì)演示
12.17.1 交互式方差分析工具
12.17.2 交互式經(jīng)驗(yàn)分布函數(shù)工具
12.17.3 一殷線性模型演示
12.17.4 穩(wěn)健回歸與最小二乘擬合比較工具
12.17.5 多項(xiàng)式擬合工具
12.17.6 隨機(jī)數(shù)生成工具
12.17.7 過程試驗(yàn)與分析工具
附錄I 工具箱函數(shù)匯總
I.1 統(tǒng)計(jì)工具箱函數(shù)
I.2 優(yōu)化工具箱函數(shù)
I.3 樣條工具箱函數(shù)
I.4 偏微分方程數(shù)值解工具箱函數(shù)
附錄II 工具箱數(shù)學(xué)詞匯英漢對照表
II.1 概率論與數(shù)理統(tǒng)計(jì)詞匯英漢對照表
II.2 最優(yōu)化方法詞匯英漢對照表
II.3 樣條詞匯英漢對照表
II.4 偏微分方程數(shù)值解詞匯英漢對照表
參考文獻(xiàn)