本書比較系統(tǒng)地討論了現(xiàn)代科學(xué)與工程計算中最基本的方法，共分九章，包括科學(xué)計算簡介、插值法、函數(shù)逼近、數(shù)值積分、線性方程組的直接解法、線性方程組的迭代解法、函數(shù)方程的數(shù)值解法、代數(shù)特征值問題和常微分方程的數(shù)值解法，強調(diào)問題驅(qū)動和算法的MATLAB軟件實現(xiàn)，嘗試激發(fā)學(xué)生的學(xué)習(xí)興趣。本書概念清晰、分析嚴(yán)謹(jǐn)、語言流暢、結(jié)構(gòu)合理

本書著重討論經(jīng)典的ARMA模型，同時又對最新的時間序列模型加以介紹，如ARCH模型族（自回歸條件異方差模型）、ECM模型（誤差修正模型）和處理高頻數(shù)據(jù)的ACD模型（自回歸條件持續(xù)期模型）等。教材編寫簡明，內(nèi)容通俗，公式表述嚴(yán)謹(jǐn)，既保證了較為完整的統(tǒng)計理論體系，又努力突出實際案例的應(yīng)用和統(tǒng)計思想的滲透。章后有相關(guān)的統(tǒng)計軟

本書共10章，對數(shù)據(jù)統(tǒng)計與分析理論進行了較為全面的介紹。具體內(nèi)容包括：數(shù)據(jù)統(tǒng)計基礎(chǔ)、常用描述性統(tǒng)計分析、參數(shù)估計、假設(shè)檢驗、多元正態(tài)分布統(tǒng)計基礎(chǔ)、方差分析、相關(guān)分析與回歸分析、主成分分析與因子分析、聚類分析與判別分析、時間序列分析。全書論述嚴(yán)謹(jǐn)，行文深入淺出，注重實用性。本書可作為數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)專業(yè)的本科生、研究

本書是為適應(yīng)國家對高等院校自動化及相關(guān)專業(yè)人才培養(yǎng)的需要，配合高校教育教學(xué)改革的進程，編寫的一本符合自動化專業(yè)培養(yǎng)目標(biāo)和教育教學(xué)改革要求的新型自動化專業(yè)教材。本書比較全面地闡述了現(xiàn)代控制理論的基本概念、分析方法及其應(yīng)用，主要介紹了狀態(tài)空間描述的建立、狀態(tài)方程的解、能控性和能觀測性、穩(wěn)定性分析、狀態(tài)反饋和狀態(tài)觀測器等內(nèi)容

本書系統(tǒng)地介紹了運籌學(xué)中最基本、應(yīng)用最廣泛的線性規(guī)劃、整數(shù)規(guī)劃、動態(tài)規(guī)劃、圖與網(wǎng)絡(luò)分析、網(wǎng)絡(luò)計劃技術(shù)、存儲論6個方面的內(nèi)容，其中以線性規(guī)劃為重點。全部內(nèi)容深入淺出，圖文并茂，注重理論聯(lián)系實際，闡明各種方法的背景、應(yīng)用條件及實際意義。書后還以附錄形式給出了運籌學(xué)上機指導(dǎo)。為了便于讀者全面掌握書中所教授的內(nèi)容，每章后都配有

本書從研究問題提出、研究設(shè)計、抽樣、數(shù)據(jù)收集、數(shù)據(jù)分析、結(jié)果呈現(xiàn)及文章撰寫多個關(guān)鍵環(huán)節(jié)進行簡要的理論介紹和詳細的實施操作細節(jié)講解，將教育、商科和醫(yī)學(xué)領(lǐng)域的3個混合方法研究案例貫穿于各個研究環(huán)節(jié)，手把手地傳授混合方法研究的設(shè)計與實施。本書采用工作手冊的形式，讀者可以直接將書中提供的練習(xí)活動應(yīng)用于實際工作中。該書將基于項目

本書共七章,內(nèi)容包括函數(shù)與極限、導(dǎo)數(shù)與微分、導(dǎo)數(shù)的應(yīng)用、不定積分、定積分、微分方程、多元函數(shù)微積分。本書的組織結(jié)構(gòu)新穎,語言敘述簡明,例題講解翔實,習(xí)題配備充分。

本書內(nèi)容主要包括緒論、控制系統(tǒng)的狀態(tài)空間描述、線性控制系統(tǒng)的運動分析,線性控制系統(tǒng)的能控性和能觀測性,控制系統(tǒng)的李雅普諾夫穩(wěn)定性分析,狀態(tài)反饋和狀態(tài)觀測器,最優(yōu)控制。

本書內(nèi)容包括：線性系統(tǒng)的狀態(tài)空間描述、線性系統(tǒng)動態(tài)響應(yīng)分析、系統(tǒng)的能控性和能觀測性分析、系統(tǒng)的穩(wěn)定性分析、線性反饋系統(tǒng)的狀態(tài)空間綜合、多變量系統(tǒng)的矩陣分式描述及典型狀態(tài)空間實現(xiàn)等。

模式識別(分類)作為人工智能的一個重要應(yīng)用領(lǐng)域,利用計算機通過算法根據(jù)樣本的特征信息,對樣本進行類別歸屬。本書介紹總結(jié)了多種傳統(tǒng)及新型的模式識別方法包括主成分分析法、偏最小二乘判別分析法、線性判別分析法、人工神經(jīng)網(wǎng)絡(luò)等的發(fā)展、原理、特點、優(yōu)缺點以及作者研究過程中在不同的實際復(fù)雜環(huán)境、生物、化學(xué)體系中的成功應(yīng)用實例。