本書共分為八章，分別為數(shù)據(jù)分析概述、外部數(shù)據(jù)的獲取、數(shù)據(jù)處理、函數(shù)的應(yīng)用、數(shù)據(jù)透視表與數(shù)據(jù)透視圖、數(shù)據(jù)分析與可視化、Excel數(shù)據(jù)分析實例、撰寫數(shù)據(jù)分析報告。本書注重平衡理論知識和實踐應(yīng)用，每章都包含了實際應(yīng)用案例和實訓(xùn)活動，以幫助讀者深入理解和掌握所學(xué)知識。本書既可作為中等職業(yè)院校計算機類專業(yè)課程教材，也可作為相關(guān)企

本書由8章內(nèi)容構(gòu)成：緒論、工業(yè)過程數(shù)學(xué)模型、常規(guī)過程參數(shù)的檢測及儀表、過程控制執(zhí)行器、簡單過程控制器設(shè)計、復(fù)雜過程控制器設(shè)計、先進過程控制系統(tǒng)、過程控制工程的實施。

本書共12章，具體包括SPSS的入門知識概述、數(shù)據(jù)文件管理、參數(shù)檢驗、非參數(shù)檢驗、統(tǒng)計分析、相關(guān)分析、回歸分析、聚類分析、降維分析、刻度分析、生存分析和綜合案例應(yīng)用等內(nèi)容，讀者學(xué)后可以融會貫通、舉一反三，快速掌握SPSS的相關(guān)操作技巧。

本書以多傳感器數(shù)據(jù)融合為對象，詳細(xì)介紹了多傳感器數(shù)據(jù)融合的基本原理及應(yīng)用技術(shù)。重點內(nèi)容包括：傳感器的理論基礎(chǔ)及基本特性、多源檢測融合的基本概念與應(yīng)用、多源屬性融合的基本概念與應(yīng)用、多源狀態(tài)參數(shù)估計原理及應(yīng)用等。

本書圍繞產(chǎn)品退化數(shù)據(jù)的統(tǒng)計建模問題，考慮實際中不同的退化環(huán)境與數(shù)據(jù)特點，包括產(chǎn)品的異質(zhì)性、使用環(huán)境的動態(tài)性、測量的隨機性等因素，發(fā)展了一系列基于Wiener隨機過程的退化模型。針對每一類模型，本書對模型的性質(zhì)、模型參數(shù)估計、模型驗證等方面問題進行了深入討論，并通過多種實際退化數(shù)據(jù)驗證所提模型的有效性。本書總結(jié)與發(fā)展了作

本書內(nèi)容包括：第1章介紹機器人工程的概況；第2章介紹機器人的控制系統(tǒng)；第3章介紹機器人的驅(qū)動系統(tǒng)；第4章介紹機器人的感知系統(tǒng)；第5章介紹人機交互；第6至10章介紹機器人在各領(lǐng)域的應(yīng)用，包括機器人在家庭、工業(yè)、軍事、航天、醫(yī)療等領(lǐng)域的應(yīng)用情況；第11章介紹類人機器人；第12章介紹無人機。

本書依托國家自然科學(xué)基金、湖北省杰出青年基金項目，面向工業(yè)制造過程和系統(tǒng)，介紹了多元統(tǒng)計分析和機器學(xué)習(xí)等工業(yè)數(shù)據(jù)分析方法，在此基礎(chǔ)上介紹了作者團隊提出的多種故障檢測、故障變量溯源、故障分類、故障辨識、健康預(yù)警、產(chǎn)品等級分類方法。除了關(guān)注傳統(tǒng)的故障檢測率和誤報率之外，重點分析了過渡模態(tài)、操作故障、污染效應(yīng)、故障分級、小樣

內(nèi)容提要：隨著數(shù)據(jù)采集技術(shù)以及存儲技術(shù)的不斷進步，現(xiàn)代科學(xué)研究和實踐中需要處理和分析的數(shù)據(jù)已經(jīng)從單一來源向多個來源轉(zhuǎn)變。在醫(yī)學(xué)研究、生物信息、市場研究、金融風(fēng)險管理、氣象環(huán)境科學(xué)等諸多重要領(lǐng)域，多源數(shù)據(jù)的現(xiàn)象普遍存在，在帶來巨大機遇的同時也給統(tǒng)計分析建模帶來了全新的挑戰(zhàn)。針對這一國際前沿問題，本書主要介紹作者最近幾年在

本書為數(shù)據(jù)要素教程，立足于實現(xiàn)數(shù)據(jù)要素的價值創(chuàng)造，推動新質(zhì)生產(chǎn)力加快發(fā)展，在宏觀體系和多維視角下構(gòu)筑了數(shù)據(jù)要素基礎(chǔ)理論框架。提出了系列中國原創(chuàng)的數(shù)據(jù)要素理論，主要包括以大模型的人工智能為基礎(chǔ)的第五科學(xué)范式；以數(shù)據(jù)收益權(quán)為核心的四權(quán)分置數(shù)據(jù)權(quán)益體系；以大眾分享數(shù)據(jù)經(jīng)濟紅利為價值目標(biāo)的共票數(shù)據(jù)收益分配體系；以區(qū)塊鏈、人工智

互聯(lián)網(wǎng)的出現(xiàn)使人們第一次能夠訪問大量的數(shù)據(jù)。比如,社交網(wǎng)絡(luò)Facebook中的友誼圖和互聯(lián)網(wǎng)網(wǎng)站之間的鏈接圖。這兩幅圖都包含超過10億個節(jié)點,代表巨大的數(shù)據(jù)集。如果要使用這些數(shù)據(jù)集,就必須對其進行處理和分析。然而,僅僅是它們的大小就使得這種處理非常具有挑戰(zhàn)性。特別是,為處理中等規(guī)模的數(shù)據(jù)集而開發(fā)的經(jīng)典算法和技術(shù),在面對