中国科学院力学研究所机构知识库

2012,472p Hardcover ISBN9781118146408

对数线性建模概念、阐释与应用 Alexander von Eye等著

“对数线性建模”一词在1969年由Bishop与Fienberg首次提出，对数线性模型是一种用于离散型数据或整理成列表格式的计数资料的统计分析工具。自从这种模型提出后，相应的建模方法经历了显著的发展，并逐渐成为处理频率数据最为常用的模型之一，对数线性模型尤其适用于多元变量数据分析，可以估计变量间相互作用的大小。本书全面介绍了对数线性模型的基本概念、建模过程及其应用实例，也包含了对数线性模型的最新发展及研究的前沿问题。

全书分为17章：1.层级对数线性模型基础；2.列表的效果；3.拟合优度；4.层级对数模型与比值比分析；5.计算I-基本对数线性建模，本章主要内容是利用常用的三种计算机程序实现对数线性建模过程；6.设计矩阵方法，在本章向读者介绍利用设计矩阵方法完成对数线性建模；7.参数解释与效果的检验；8.计算II设计矩阵与广义线性回归模型；9.非层级与非标准对数线性模型；10.计算III非标准模型；11.抽样方案与卡方分解(Chisquare Decomposition)；12.对称模型；13.评估一致性的对数线性模型；14.对照的同后性(Homogeneity of Associations)；15.对数回归与Logit模型；16.简约设计；17.计算IV附加模型。

本书第1作者Alexander von Eye是密歇根州立大学心理学教授，他在统计学方法、离散数据分析、发展心理学领域出版了20本专著，并发表了350余篇期刊论文。本书第2作者EunYoung Mun是罗格斯大学的心理学副教授，主要把广义的潜变量建模的方法推广到集簇式重复测量的纵向数据的研究。

本书致力于向非统计学专家介绍对数线性建模方法，在内容的编写上采取由易入难的方式向读者引入对数线性模型的基本概念与建模方法。

本书适合修习统计学分析的高年级本科生、研究生阅读。日常工作中涉及到数据分析的研究人员，也可将本书作为一本有益的参考资料。

刘昊，博士生（中国科学院力学研究所）

M.Dehmer Statistical and Machine Learning Approaches for Network Analysis

2012,344p Hardcover ISBN9783527331833

网络分析的统计与机器学习方法  M·德默等编

图形结构被用于计算机可以识别的结构信息时，对图形信息进行统计分析就成为可能。生物信息学、分子与系统生物学、理论物理、计算机科学、化学、工程等多个领域都在利用这一特点充分发挥计算机在分析和统计方面的优势。本书的一个重要特点就是将诸如图论、机器学习及统计数据分析之类的理论相互结合，形成一个新领域，以交叉学科的方式探索复杂网络。基因组、蛋白质，信号以及代谢组学数据的大规模生成使得复杂网络的构建成为可能，它为理解生理学以及病理学状态的分子基础提供了一个崭新的框架。网络和基于网络的方法用于生物学中以便表征基因组、遗传机理以及蛋白质信号。疾病被看作关键细胞网络的异常干扰。如今，在对诸如癌症、糖尿病等的复杂疾病的干预中，就使用网络理论来分析。

本书共有11章：1.重构及划分生物网络计算方法概论; 2.复杂网络入门：度量、统计性质及模型; 3.进化中的生物网络建模; 4.内含动力学的生物网络的模块性配置; 5.统计概算机对管理网络大规模因果推理的影响; 6.加权频谱分布：网络结构分析的度量; 7.进化中的随机二部图的结构; 8.图形内核; 9.用于早老性痴呆病的基于网络的信息协同分析; 10.结构化数据中基于密度的集合枚举; 11.采用加权图形内核的下位词析取。

本书第1主编是奥地利健康与生命大学生物信息学和转化研究所所长，他在生物信息学、系统生物学和应用离散数学领域发表论文130篇。他是Wiley出版的《复杂疾病医学生物统计学》《复杂网络分析》和《微阵列数据分析》等书的合作编者。

本书可用作应用离散数学、生物信息学、模式识别、计算机科学专业跨学科研究生课程的补充读物，对于这些领域的研究人员和专业人员，也是一本有价值的参考书。

胡光华，退休高工(原中国科学院物理学研究所)