本書由Adobe公司的專家編寫，是AdobeDreamweaver2021軟件的經(jīng)典學習用書。 本書共11課，每一課首先介紹重要的知識點，然后借助具體的示例進行講解，步驟詳細，重點明確，可幫助讀者盡快學會如何進行實際操作。本書主要包含定制工作區(qū)，HTML基礎知識，CSS基礎知識，編寫代碼，網(wǎng)頁設計基礎，創(chuàng)建頁面布局，使

本書分為10個單元(包括9個教學單元和1個綜合應用實戰(zhàn)單元)和6個附錄進行講解,除單元10外,每個教學單元又劃分為4個學習階段:學習領會、拓展提升、應用實戰(zhàn)、在線測試。其中,理論知識學習分為3個層次,即入門知識、必修知識、拓展知識;編程技能訓練也分為3個層次,即驗證程序編寫、實例程序編寫、綜合應用實戰(zhàn)。本書將紙質固定方

本書在簡要介紹安全云存儲系統(tǒng)已有研究基礎上，主要介紹作者在云存儲技術方面的研究成果。主要內容包括：基于封閉環(huán)境加密的云存儲方案、云環(huán)境下基于CP-ABE權重屬性多中心訪問控制方案、基于DDCT的云數(shù)據(jù)完整性驗證方案、基于覆寫驗證的云數(shù)據(jù)確定性刪除方案、基于聚類索引的多關鍵字排序密文檢索方案、基于倒排索引的可驗證混淆關鍵

近年來，隨著自動駕駛、智能交通及智慧城市等領域的快速發(fā)展，對城區(qū)及道路環(huán)境精細化、定期更新的三維數(shù)字地圖的需求越來越迫切。車載激光雷達作為一種主動式探測技術，具有部署靈活、可全天時快速采集高精度三維點云數(shù)據(jù)的特點，已廣泛應用于動態(tài)環(huán)境感知與實時導航、自動化精細目標識別與信息提取、高精度三維數(shù)字地圖制圖等領域。然而，車載

無人化、智能化多平臺自主協(xié)同作戰(zhàn)是高技術信息化戰(zhàn)爭的一個重要發(fā)展方向，其中多無人機在復雜環(huán)境下的自主協(xié)同任務規(guī)劃能力，對提高作戰(zhàn)任務效能、掌握戰(zhàn)爭主動權具有重要意義。本書系統(tǒng)闡述了面向各類典型作戰(zhàn)運用任務的多無人機協(xié)同規(guī)劃的背景、原理和方法，包括多無人機協(xié)同編組、多無人機協(xié)同偵察、多無人機協(xié)同巡弋、多無人機協(xié)同搜索、人

本書第1～5章從地理信息科學發(fā)展到大數(shù)據(jù)時代面臨的挑戰(zhàn)入手，介紹了大規(guī)模時空數(shù)據(jù)的高效管理、高性能計算、深度分析挖掘、科學可視化等內容，主要包括：時空數(shù)據(jù)存儲與管理、時空數(shù)據(jù)索引，高性能時空大數(shù)據(jù)計算策略、空間數(shù)據(jù)與空間計算任務劃分方法，時空聚類、地理回歸等時空數(shù)據(jù)挖掘方法，大規(guī)�？臻g數(shù)據(jù)加載和渲染策略、三維可視化等。

手勢交互是自然人機交互的研究熱點，在很多領域都有著廣泛的應用，例如虛擬/增強現(xiàn)實、普適計算、可穿戴計算、智能家居和游戲娛樂等。本文提出了一套卓有成效的"以用戶為中心的”手勢設計方法，應用在雙面屏智能手機、智能汽車信息系統(tǒng)、智能電視交互系統(tǒng)、沉浸式虛擬現(xiàn)實購物系統(tǒng)中，實踐證明這套方法能夠有效解決傳統(tǒng)手勢設計方法所面臨的一

隨著衛(wèi)星遙感、無人機、物聯(lián)網(wǎng)等技術的發(fā)展，地球時空大數(shù)據(jù)不斷累積，如何從地球大數(shù)據(jù)中高效挖掘知識、模式及規(guī)則，成為地球系統(tǒng)科學研究的難點及重點。常規(guī)統(tǒng)計及機器學習方法存在諸多局限，本書將深度學習納入地學系統(tǒng)科學問題框架，從地球及遙感科學的背景及視角系統(tǒng)闡述深度學習的基本原理，并提供了典型的應用實例。通過閱讀本書，期待讀

機器學習是人工智能的重要技術基礎，涉及的內容十分廣泛。本書涵蓋了機器學習和深度學習的基礎知識，主要包括機器學習的概述、統(tǒng)計學基礎、分類、聚類、神經(jīng)網(wǎng)絡、貝葉斯網(wǎng)絡、支持向量機、文本分析、分布式機器學習算法等經(jīng)典的機器學習基礎知識，還包括卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡、生成對抗網(wǎng)絡、目標檢測、自編碼器等深度學習的內容。此外，

本書的寫作初衷是，從學者的角度，用一種通俗易懂的方式，將基于深度學習的目標檢測的相關論文中的理論和方法呈現(xiàn)給讀者，同時針對作者在深度學習教學過程中遇到的難點，進行深入的分析和講解。本書側重對卷積神經(jīng)網(wǎng)絡的介紹，而深度學習的內容不止于此。所以，作者將深度學習分為有監(jiān)督學習、無監(jiān)督學習和強化學習三類，將圖像分類、目標檢測、