●前言
第1章 緒論
1.1 概述
1.2 符號說明
1.3 數據與模型
1.3.1 數據類型
1.3.2 多維標度方法的模型
1.4 鄰近
1.4.1 從相似性到不相似性的轉換
1.4.2 不相似性的度量本質
1.5 矩陣結果
1.5.1 譜分解
1.5.2 奇異值分解
1.5.3 廣義逆
第2章 經典多維標度方法
2.1 引言
2.2 經典標度方法
2.2.1 確定坐標
2.2.2 不相似性作為歐氏距離的情形
2.3 實際中的經典多維標度問題
2.3.1 維數的選擇
2.3.2 一個經典標度實用算法
2.3.3 一個久遠的例子
2.3.4 經典多維標度分析和主成分分析
2.3.5 增加常數問題
2.4 穩健性
第3章 度量最小二乘標度方法
3.1 引言
3.2 SMACOF
第4章 非度量多維標度方法
4.1 引言
4.2 Kruskal的方法
4.2.1 關於{drsg}最小化S
4.2.2 最小化應力的布局
4.2.3 Kruskal的迭代方法
4.2.4 早餐麥片的非度量標度結果
4.2.5 STRESS1/2、單調性、結和缺失數據
4.3 Guttman方法
4.4 維數的選擇
4.5 初始布局
第5章 多維標度的進一步學習
5.1 MDS的其他形式
5.2 穩健MDS
5.3 動態MDS
5.4 約束MDS
第6章 Procrustes分析
6.1 引言
6.2 不同情形下的Procrustes分析
6.2.1 Procrustes分析練習
6.2.2 投影情況
6.3 坐標校準
第7章 基於歐氏距離陣的模型
7.1 歐氏距離陣
7.2 度量多維標度方法的歐氏距離陣模型
7.3 非度量多維標度方法的歐氏距離陣模型
7.4 穩健MDS的歐氏距離陣模型
第8章 應用:圖像排序
8.1 圖像排序
8.2 DML-MDS方法
8.3 基於nMDS的方法
8.4 數值實驗結果
第9章 應用:蛋白質分子重構
9.1 問題描述
9.2 歐氏距離陣模型
9.3 優超罰方法
9.4 求解子問題的ABCD算法
9.5 數值結果
第10章 應用:姿態感知
10.1 問題介紹
10.2 基於歐氏距離陣的優化模型
10.3 泵車情形
10.3.1 第一步:坐標變換
10.3.2 第二步:2維平面中的歐氏距離陣模型
10.4 仿真結果
10.4.1 大型器械姿態感知
10.4.2 泵車仿真結果
參考文獻