本書以近鄰思想、同步聚類模型及快速同步聚類算法為研究課題，重點研究了基于近鄰圖與單元網(wǎng)格圖的聚類算法、基于近鄰勢與單元網(wǎng)格近鄰勢的聚類算法、快速同步聚類算法、基于Vicsek模型線性版本的同步聚類算法、基于線性加權Vicsek模型的收縮同步聚類算法、基于分而治之框架與收縮同步聚類算法的多層同步聚類方法和基于ESynC算

本書試圖從整體上再現(xiàn)概率論知識構建過程，展現(xiàn)相關重要知識點的來龍去脈，逐步提高讀者的概率知識水平，第一章主要涉及直到19世紀末的概率知識，以頻率為主線介紹概率論基本概念與模型，為后面的概率論公理體系做鋪墊。第二章主要展示現(xiàn)代概率論的基石、概率論公理化知識體系，介紹概率空間的基本性質(zhì)，使讀者概率知識水平上一臺階。第三章主

本書主要為考研數(shù)學概率論與數(shù)理統(tǒng)計相關知識，還附帶習題及答案。

疏散的馬爾柯夫鏈是一般隨機過程的一個重要的特殊情形，而其詳盡深入的研究則主要是應用矩陣方法。本書的著者、蘇聯(lián)已故數(shù)學家羅曼諾夫斯基在這方面有許多創(chuàng)造性的工作。本書系其晚年所著，綜合了其本人及其他研究者在疏散的馬爾柯夫鏈方面的許多研究成果。本書適合大學師生及數(shù)學愛好者閱讀使用。

本書給出了《概率論與數(shù)理統(tǒng)計》第6版（韓明主編，同濟大學出版社）中習題的詳細解答。作為補充，還給出了一些典型例題（與原教材中的例題、習題不重復），并選取近些年全國碩士研究生入學統(tǒng)一考試數(shù)學試題（概率統(tǒng)計部分）的考研真題，給出了詳細解答。在第2版的基礎上，本書對一些題目還增加了一題多解，但更希望讀者能給出優(yōu)于本書所提供的

這是一套適用于考研基礎階段和強化階段復習的專業(yè)備考書.本書為編者基于豐富的一線教學經(jīng)驗和考研輔導經(jīng)驗，以最新全國碩士研究生招生考試數(shù)學考試大綱為依據(jù)編寫的一本知識講解題型分析的輔導書，便于考生攜帶和合理的安排備考時間。本書分為兩個分冊：認知篇和題型篇，認知篇講解基礎知識，題型篇總結常見題型，考生可以一邊看基礎知識，一邊

本書由李良根據(jù)近期新研究生考試大綱編寫，包含基礎篇和強化篇，考生可用此書進行全程概率論學習。書籍主要由知識點、例題、解析三部分構成，為了讓同學們更高效學習，我們在書中穿插了一些概率論常用定理以及幫助大家理解的推論和注解。

"本書是編者在總結多年教學經(jīng)驗的基礎上，為適應民辦本科院校教學和新工科對概率論與數(shù)理統(tǒng)計的需求，按照國家對非數(shù)學類本科生概率論與數(shù)理統(tǒng)計課程的基本要求編寫的。 全書分為七章：隨機事件及其概率、隨機變量及其分布、二維隨機變量及其分布、隨機變量的數(shù)字特征、大數(shù)定律和中心極限定理、數(shù)理統(tǒng)計的基本概念、參數(shù)估計。各章配有習題

"積分嵌套拉普拉斯近似(IntegratedNestedLaplaceApproximations，INLA)是擬合一大類貝葉斯回歸模型的新方法。使用INLA無須抽取邊際后驗分布的樣本，因此在計算上它是貝葉斯推斷標準工具馬爾可夫鏈蒙特卡羅(MCMC)方法的簡單易用的替代方案。本書涵蓋了各種現(xiàn)代回歸模型，著重介紹了如何使

《概率論與數(shù)理統(tǒng)計》一書共分為8個章節(jié)，本書的主要內(nèi)容包括：隨機事件與概率、離散型隨機變量及其分布、連續(xù)型隨機變量及其分布、隨機變量的數(shù)字特征、大數(shù)定律與中心極限定理、數(shù)理統(tǒng)計的基本概念、參數(shù)估計、假設檢驗。本書注重工科和經(jīng)濟學科學生應該掌握的基本概念和基本方法，加強了學生基本技能的訓練，能提高學生分析和解決問題的能力