可靠性工程中的大数据分析

第1章 大数据概述1．1 什么是大数据1．1．1 大数据的定义及特征1．1．2 大数据结构类型1．1．3 大数据实例1．2 大数据发展史1．3 大数据研究方法1．4 可靠性工程中的大数据现状1．5 数据挖掘方法与应用1．5．1 数据挖掘的产生与功能1．5．2 数据挖掘与相关研究之间的关系1．5．3 数据挖掘基本流程1．6 R软件平台1．7 可靠性工程大数据分析前景第2章 探索性数据分析2．1 数字特征2．1．1 一维数据的数字特征2．1．2 一维总体的数字特征2．1．3 多元数据的数字特征2．1．4 多元总体的数字特征2．2 故障数据的分布2．2．1 频数(频率)分布表与直方图2．2．2 茎叶图、五数总括、箱线图2．2．3 经验分布、QQ图及分布拟合检验2．3 多元质量数据的图示2．3．1 轮廓图2．3．2 蛛网图2．3．3 调和曲线图2．4 可靠性工程数据离群点检测2．4．1 基于统计的离群点检测2．4．2 基于距离的离群点检测2．4．3 基于聚类的离群点检测2．4．4 高维数据局部离群点检测2．4．5 大数据子空间离群点检测2．5 飞机飞行参数多元数据特征分析第3章 相关分析3．1 相关系数的估计和检验3．2 偏相关与复相关系数3．2．1 偏相关系数3．2．2 复相关系数3．3 典型相关分析3．3．1 典型相关分析的基本思想3．3．2 总体的典型相关分析3．3．3 样本典型相关分析3．3．4 典型相关系数的显著性检验3．4 向量运算及相关函数3．4．1 向量3．4．2 产生有规律序列3．4．3 逻辑向量3．4．4 缺失数据3．4．5 字符型向量3．4．6 向量的下标系统3．5 发动机间隙组合相关性分析案例第4章 因子分析4．1 总体主成分4．1．1 总体主成分定义4．1．2 总体主成分求法4．1．3 总体主成分的性质4．1．4 标准化变量的主成分4．2 样本因子分析4．3 因子分析参数估算方法4．3．1 参数的统计意义4．3．2 因子载荷矩阵的估计4．4 样本数据的因子分析4．5 因子旋转和因子得分4．6 数组和矩阵4．6．1 数组4．6．2 数组的下标系统4．6．3 矩阵4．6．4 与数组(矩阵)运算的相关函数第5章 聚类分析5．1 聚类分析的基本思想5．2 聚类统计量5．2．1 Q型聚类统计量——距离5．2．2 R型聚类统计量——相似系数5．3 系统聚类法5．4 快速聚类法5．4．1 凝聚点的选择5．4．2 计算步骤5．5 关联规则5．5．1 静态关联规则Apriori算法5．5．2 动态关联规则Carma算法5．5．3 序列规则挖掘算法5．6 基于预测强度的聚类分析5．4．1 预测强度5．4．2 预测强度在聚类中的应用5．7 聚类问题的变量选择5．7．1 高斯成对罚模型聚类5．7．2 异方差成对罚模型聚类5．7．3 聚类方法比较5．8 基于聚类分析的故障文本信息分析第6章 简单数据回归分析6．1 多元线性回归分析6．1．1 多元线性回归模型6．1．2 参数估计6．1．3 回归模型的检验6．1．4 回归诊断6．2 自变量的选择与逐步回归6．2．1 穷举法6．2．2 逐步回归法6．3 非线性回归模型6．3．1 内在线性回归模型6．3．2 内在非线性回归模型6．4 Logistic回归模型6．4．1 线性Logistic回归模型6．4．2 参数的优选似然估计6．5 基于Logistic回归的机械健康状态评估研究第7章 高维数据回归分析7．1 模型选择7．1．1 偏差-方差分解7．1．2 模型选择准则7．1．3 回归变量选择7．2 广义线性模型7．2．1 二点分布回归7．2．2 指数族概率分布7．2．3 广义线性回归7．2．4 模型估计7．2．5 模型检验及诊断7．3 高维回归系数压缩7．3．1 岭回归7．3．2 LASSO7．3．3 Shooting算法7．3．4 路径算法7．3．5 算法的R语言实现7．4 QAR数据面板回归模型第8章 判别分析8．1 距离判别8．1．1 两个总体距离判别8．1．2 多个总体距离判别8．2 Bayes判别8．2．1 两个总体Bayes判别8．2．2 多个总体Bayes判别8．3 Fisher判别8．3．1 Fisher判别的基本思想8．3．2 线性判别函数的求法8．3．3 Fisher判别准则8．4 逐步判别8．4．1 逐步判别的基本思想8．4．2 逐步判别的步骤8．5 判别法则的评价第9章 非参数统计9．1 单样本问题9．1．1 符号检验9．1．2 趋势检验9．1．3 游程检验9．1．4 对称中心的检验9．2 两样本问题9．2．1 独立样本位置参数的检验9．2．2 独立样本刻度参数的检验9．2．3 配对样本位置参数的检验9．3 多样本问题9．3．1 多个独立样本的检验9．3．2 多个相关样本的检验9．4 秩相关分析9．4．1 Spearman秩相关系数9．4．2 Kendall τ秩相关系数9．5 二维列联表9．5．1 Pearson χ2独立性检验9．5．2 Fisher准确检验9．6 R语言中的列表与数据框9．7 成组、循环和条件控制9．7．1 成组表达式9．7．2 控制语句第10章 贝叶斯分类及因果分析10．1 贝叶斯分类10．2 线性判别函数与二次判别10．3 朴素贝叶斯分类10．4 贝叶斯网络10．4．1 贝叶斯网络概念10．4．2 贝叶斯网络构建10．4．3 基于贝叶斯网络的因果分析10．5 贝叶斯网络因果分析的R语言实现10．6 基于Bayes网络的风险分析模型