天文數(shù)據(jù)處理與虛擬天文臺(tái)

圖
叢書序
前言
術(shù)語表
第一部分 天文數(shù)據(jù)處理
第1 章 引言
1.1 天文學(xué)與統(tǒng)計(jì)學(xué) 
1.2 天文數(shù)據(jù)處理的參考書
1.3 科學(xué)計(jì)算與可視化的編程環(huán)境 
第2 章 天文觀測(cè)圖像處理 
2.1 天文觀測(cè)技術(shù)
 2.2 天體光度測(cè)量
2.3　天體分光測(cè)量 
第3 章 統(tǒng)計(jì)學(xué)基礎(chǔ) 
3.1　隨機(jī)變量的概率分布 
3.2　隨機(jī)變量的期望值和方差
3.3　觀測(cè)樣本的統(tǒng)計(jì)量 
3.4　正態(tài)分布
3.5 卡方分布 
3.6 t 分布
3.7 隨機(jī)變量的產(chǎn)生
3.8 KS 檢驗(yàn) 
第4 章 數(shù)據(jù)分析方法
4.1 觀測(cè)量的不確定性
4.2 正態(tài)分布的置信區(qū)間 
4.3 觀測(cè)結(jié)果的報(bào)道 
4.4 誤差傳遞 
第5 章 最小二乘估計(jì) 
5.1 最小二乘法
5.2 模型擬合 
5.3 模型擬合評(píng)估
6.1 功率譜分析
6.2 小波分析
第7 章 最大似然估計(jì) 
7.1 最大似然估計(jì) 
7.2 正態(tài)分布的最大似然估計(jì) 
7.3 模型參數(shù)的最大似然估計(jì) 
第8 章 貝葉斯估計(jì) 
8.1 貝葉斯統(tǒng)計(jì) 
8.2 貝葉斯估計(jì) 
8.3 基于正態(tài)分布的貝葉斯估計(jì) 
8.4 MCMC 方法 
第9 章 大數(shù)據(jù)分析方法
9.1 大數(shù)據(jù)與人工智能
9.2 主成分分析（PCA）  
9.3 核回歸 
9.4 支持向量機(jī)（SVM）  
9.5 k 近鄰（kNN） 
9.6 k 均值（k Means）與高斯混合模型（GMM） 
9.7 決策樹（DT）和隨機(jī)森林（RF） 
9.8 神經(jīng)網(wǎng)絡(luò)（ANN）與深度學(xué)習(xí)（DL）
第二部分 虛擬天文臺(tái)
第10 章 虛擬天文臺(tái)的推手
10.1 多波段和多信使天文學(xué) 
10.2 時(shí)域天文學(xué)
10.3 科學(xué)研究的第四范式：數(shù)據(jù)密集型科學(xué)
10.4 虛擬天文臺(tái)發(fā)展簡(jiǎn)史
10.5 技術(shù)成就夢(mèng)想 
第11 章 虛擬天文臺(tái)的架構(gòu)和技術(shù)標(biāo)準(zhǔn) 
11.1 虛擬天文臺(tái)的體系架構(gòu) 
11.2 IVOA 主要標(biāo)準(zhǔn)與規(guī)范
第12 章 虛擬天文臺(tái)工具與服務(wù)
12.1 VO 資源概述
12.2 桌面工具 
12.3 數(shù)據(jù)服務(wù) 
12.4 應(yīng)用服務(wù) 
第13 章 中國虛擬天文臺(tái)
13.1 發(fā)展簡(jiǎn)史 
13.2 目標(biāo)與定位 
13.3 研究與開發(fā)
13.4 資源與服務(wù)
13.5 學(xué)科發(fā)展和人才培養(yǎng) 
第14 章 前景與展望 
14.1 聯(lián)合巡天處理（JSP） 
14.2 面向EB 量級(jí)數(shù)據(jù)的天文科學(xué)平臺(tái) 
14.3 變革型科學(xué)