本書作為該領(lǐng)域入門教材，在內(nèi)容上盡可能涵蓋模式識別基礎(chǔ)知識的各方面，全書共分為9章，第1章介紹了模式識別的基本概念、模式識別系統(tǒng)的組成；第2章介紹了模式識別中的線性分類器；第3章介紹了模式識別中的貝葉斯分類器；第4章介紹了模式識別中的概率密度函數(shù)估計；第5章介紹了模式識別中的典型的分類方法；第6章介紹了模式識別中的特征

全書共分上、下兩冊，本書為上冊，適用于較多學(xué)時的＂數(shù)值分析＂課程教學(xué)和大類招生專業(yè)分流前學(xué)生學(xué)習(xí)。主要介紹解線性方程組的直接法和迭代法、解線性最小二乘問題的直接法、矩陣特征值問題的計算方法、函數(shù)插值、數(shù)值積分、微分方程數(shù)值解法及幾類經(jīng)典現(xiàn)代數(shù)值方法。

《試驗設(shè)計及最優(yōu)化》以方差分析、回歸分析原理及應(yīng)用為基礎(chǔ)，系統(tǒng)介紹了完全析因設(shè)計、部分析因設(shè)計、響應(yīng)曲面設(shè)計、混料設(shè)計和計算機試驗設(shè)計等方法的基本原理，并通過實際案例演示JMP軟件中試驗設(shè)計、數(shù)據(jù)分析及優(yōu)化方法的具體實現(xiàn)，旨在幫助讀者在理解基本原理的同時，快速掌握相關(guān)軟件，并應(yīng)用科學(xué)與工程研究中。本書可作為材料、化工、

全書從內(nèi)容上分為三大部分。第一部分主要介紹超啟發(fā)式算法的基礎(chǔ)理論，其中第1章介紹了超啟發(fā)式算法的內(nèi)涵和分類，第2~第5章分別介紹了選擇構(gòu)造類、選擇攝動類、生成構(gòu)造類、生成攝動類這四類超啟發(fā)式算法，第6章從理論層面給出了超啟發(fā)式算法的嚴(yán)格定義和基本框架。第二部分重點介紹超啟發(fā)式算法在多種實際優(yōu)化問題中的應(yīng)用，其中第7~第

本書是一部深入探討計算思維在信息科技跨學(xué)科主題學(xué)習(xí)中的實踐與應(yīng)用的專著。全書共分為五章，系統(tǒng)闡述了跨學(xué)科主題學(xué)習(xí)的概念、特征、教育價值以及開展方式，并詳細(xì)分析了信息科技跨學(xué)科主題學(xué)習(xí)的具體要求。 本書首先介紹了計算思維這一關(guān)鍵能力，包括其概念、問題解決能力、系統(tǒng)設(shè)計和行為理解等方面，并探討了計算思維在跨學(xué)科領(lǐng)域的應(yīng)用

本書是一本模式識別學(xué)習(xí)的立體教程，通過本書的學(xué)習(xí)，能夠掌握模式識別主要技術(shù)模塊的算法原理及Python實現(xiàn)，包括貝葉斯決策、概率密度函數(shù)的估計、線性判別分析、非線性判別分析、組合分類器、無監(jiān)督模式識別、特征選擇、特征提取、半監(jiān)督學(xué)習(xí)以及人工神經(jīng)網(wǎng)絡(luò)等。本書配以教學(xué)課件、Python仿真程序、微課視頻和實驗指導(dǎo)書，便于教

本書共十章。第一章闡述非參數(shù)統(tǒng)計的特點，第二章講解描述性統(tǒng)計方法，第三、四章分別講解符號檢驗法、符號秩和檢驗法，第五到八章分別講解兩樣本、多樣本和區(qū)組設(shè)計等問題以及相關(guān)分析的非參數(shù)統(tǒng)計方法，第九章講解非參數(shù)密度估計和非參數(shù)回歸，第十章講解檢驗的漸近相

有限元方法是一種被廣泛釆用的求解數(shù)理方程的數(shù)值計算方法，是解決眾多工程問題的強有力的計算工具。本書共10章，首先介紹有限元方法的發(fā)展歷史與工程應(yīng)用概況，接著重點介紹有限元方法的理論基礎(chǔ)、桿系結(jié)構(gòu)，重點講解靜力學(xué)問題、動力學(xué)問題、材料非線性問題、幾何非線性問題、接觸非線性問題、溫度場問題的有限元分析方法，以及擴展多尺度有

本書強調(diào)對運籌學(xué)基本概念、基本原理、基本方法與基本技能的介紹，力求做到概念準(zhǔn)確、原理清楚、求解方法全面，并注重創(chuàng)新應(yīng)用；強調(diào)將知識的傳授、能力的培養(yǎng)和素質(zhì)的提高結(jié)合起來，并倡導(dǎo)更新思維、激活知識、挖掘潛能的創(chuàng)造性教育方法；強調(diào)科學(xué)思維、科學(xué)方法、實踐技能和創(chuàng)新能力的綜合培養(yǎng)。第2版強化了對常見疑難問題的講解，特別是補充

本書稿主要研究單變量情形和雙變量情形下的非負(fù)靜態(tài)細(xì)分算法、SIA矩陣與馬爾科夫過程。首先介紹了細(xì)分算法以及一致收斂性的基本概念，研究了SIA矩陣的性質(zhì)以及與馬爾科夫過程之間的聯(lián)系，利用SIA矩陣收斂的特性與馬爾科夫鏈相關(guān)性質(zhì)，分別詳細(xì)討論了單變量與雙變量非負(fù)細(xì)分算法的一致收斂性，并推廣了收斂的某些條件；在此基礎(chǔ)上，進一