本书共分7个章节，主要对改进的高维非线性偏最小二乘回归模型及应用识作了介绍，首先分析了传统的线性和非线性偏最小二乘回归模型及其主要的辅助分析技术，然后从计算方法上消除了因变量对主成分的线性计算步骤，改为非线性计算方法，提出了一种改进的非线性偏最小二乘回归模型；总结了传统的偏最小二乘回归模型的精简方法，提出了二叉树降维方法，并把二叉树降维方法应用于评价领域，提出了降维二叉树评价方法。本书系统总结并扩展了一些特异点识别方法，提出了基于主成分谱系图的特异点识别方法。可供各大专院校作为教材使用，也可供从事相关工作的人员作为参考用书使用。

本书是以论述改进的非线性偏最小二乘回归模型的理论、方法及应用为主的专著，也论述了在回归建模之前的数据预处理方法。主要论述了一种改进的非线性偏最小二乘回归模型、高维空问的特异点识别方法、二叉树降维方法和降维二叉树评价方法等。书中论述的理论和方法使用R语言进行了实证分析。所述内容可作为评价、预测和控制研究而应用于各领域，具有广泛的应用前景。

1 绪论

 1.1 引言

 1.2 研究综述

 1.3 基本思路与研究方法

 1.4 主要内容及创新之处

 本章小结

2 偏最小二乘回归的理论基础

 2.1 引言

 2.2 偏最小二乘回归模型

 2.3 辅助分析技术

 本章小结

3 改进的非线性偏最小二乘回归模型

 3.1 引言

 3.2 传统的非线性偏最小二乘回归

 3.3 改进的非线性偏最小二乘回归模型

 3.4 与其他回归方法的比较分析

 本章小结

4 二叉树降维方法

 4.1 引言

 4.2 二叉树降维方法

 4.3 案例分析

 4.4 降维二叉树评价方法

 4.5 回归模型的降维方法

 本章小结

5 特异点识别方法

 5.1 引言

 5.2 第1主成分t1/u1散点图

 5.3 T2椭圆、T2椭球及T2超椭球

 5.4 高维空间谱系图

 本章小结

6 R语言

 6.1 引言

 6.2 应用案例

 本章小结

7 总结与研究趋势

 7.1 总结

 7.2 研究趋势展望

参考文献

附录

 附录1：作者近期发表的与本书内容有关的学术论文

 附录2：沿渤海海岸带56个观测站点中13个站点的生态数据

 附录3：2008年天津市各区县经济发展指标

后记