模式识别(分类)作为人工智能的一个重要应用领域,利用计算机通过算法根据样本的特征信息,对样本进行类别归属。本书介绍总结了多种传统及新型的模式识别方法包括主成分分析法、偏最小二乘判别分析法、线性判别分析法、人工神经网络等的发展、原理、特点、优缺点以及作者研究过程中在不同的实际复杂环境、生物、化学体系中的成功应用实例。

本书内容包括：线性系统的状态空间描述、线性系统动态响应分析、系统的能控性和能观测性分析、系统的稳定性分析、线性反馈系统的状态空间综合、多变量系统的矩阵分式描述及典型状态空间实现等。

本书内容主要包括绪论、控制系统的状态空间描述、线性控制系统的运动分析,线性控制系统的能控性和能观测性,控制系统的李雅普诺夫稳定性分析,状态反馈和状态观测器,最优控制。

本书是作者长期在高等院校从事概率统计教学经验的总结和升华。本书紧密结合目前高职学生的数学基础现状，遵循学习概率统计的认识规律性，挖掘出本门课程对学生的基本要求，中等要求和高级要求，分别形成基础篇、中级篇和高级篇。本书将概率统计的难点分散，对基本概念和基本理论和方法进行重点讲授，学生学起来会感到容易理解，此种编写方法的好

本书是高等院校本科生概率论与数理统计课程的教材。本书第一版于2011年出版，为了更加适应新时代本科教育教学、新工科新专业新发展的需要，也为了更加适应一流专业一流课程建设的需要，广泛吸收住那也认证的先进理念，丰富阅读内容、提高阅读舒适感，本书做了修订。在内容上做了适当的修改，并修改了相应的例题与习题。每章增设了近年来部分

本书是安徽省2020年度高等学校省级质量工程一流教材建设项目成果，内容包括随机事件与概率、一维随机变量及其分布、多维随机变量及其分布、随机变量的数字特征、大数定律与中心极限定理、数理统计学简介、参数估计、假设检验、方差分析与线性回归简介、R语言及其应用等.本书配有大量与自然科学、社会科学、工程技术等领域相关的例题和习题

《张宇概率论与数理统计9讲》主要介绍考研数学中概率论与数理统计的全部知识，并将其分为9讲。有三大特色如下： 第一个特色，是每一讲开篇列出的知识结构.这不同于一般的章节目录，而是科学、系统、全面地给出本讲知识的内在逻辑体系和考研数学试题命制思路，是我们多年教学和命题经验的结晶.鉴于有不少读者对线性代数、概率论与数理统计

本书可配套高等院校教材《概率论与数理统计》(浙大·第五版),按照教材的章节顺序进行编排,并对概率论与数理统计教材的课后习题进行全解,其中教材第10章、第11章与第15章课后习题未涉及,同时每章增加了在硕士研究生入学考试时与该章节有关的典型例题及详解。本书旨在帮助读者提高分析问题的能力、掌握解题方法和技巧,以加深对教材基

大学应用数学

智能优化算法是基于计算智能的机制、不依赖于问题结构、能求解复杂优化问题解或满意解的数值优化方法.目前已经有许多经典的智能优化算法，包括迭传算法、模拟退火算法、粒子群优化算法等、并成功应用于求解各种厦杂工程优化问题．状态转移算法是一种基于结构主义学习的新型智能优化算法，它抓住化算法的本质、目的和要求，以金局性、性、快速性