本书是讲解模式识别的理论基础和典型应用的教材。本书共14章，前12章为基础理论，包含模式识别概述、理论贝叶斯决策、概率密度的估计、线性判别函数、非线性判别函数、其他分类方法、无监督学习、通用特征选择与提取方法、数据特征提取、数据预处理、深度神经网络基础、深度神经网络典型架构；后2章介绍指纹识别、光学字符识别、语音识别、

本书依据非数学类专业概率论与数理统计课程的教学基本要求和大纲，参照近年来概率论与数理统计课程及教材建设的经验和成果编写完成。在概念的引入以及方法的应用上注重“追本溯源、探新求实”；在知识点的讲解中采用一点多例的方式对重难点知识进行由浅入深的多角度刨析；二维码链接中增加了数学实验，用来培养学生的创新思维和实践动手能力。线

本书内容涵盖了概率论的基础知识，如随机事件及其概率、随机变量及其分布，深入浅出地解析了各类常见分布的特点及其应用背景；同时，本书也对多维随机变量及其分布进行了详尽的介绍，使读者能够深刻理解随机现象的内在联系。本书不仅注重理论知识的传授，还强调了理论与实践相结合的重要性，帮助学生更好地把握随机变量的本质属性及其在实际问题

本书针对概率论与数理统计实践课程设计了概率统计基础实验、应用案例分析、演示验证实验，编撰了典型应用案例。本书注重内容的知识性、启发性、可探索性和素材新颖性，实验基于MATLAB平台和GeoGebra平台开展，附有所有实验程序、案例求解程序和演示验证实验GGB脚本程序文件，可通过扫描二维码获取。

本书内容包括概率论、数理统计和R语言初步知识等。

全书共有8个章节，内容覆盖了概率论的基本概念、随机变量、多维随机变量及其分布、随机变量的数字特征、大数定律及中心极限定理、大数定律及中心极限定理、参数估计、假设检验等，本书语言通俗易懂，逻辑清晰，结构严谨。全书微视频资源，围绕重难点及典型例题进行视频讲解，线上线下相结合，有助于学生更好的理解内容。章末均配有不同难度的课

全书共有8个章节，内容覆盖了随机事件及其概率、随机变量及其分布、随机变量的数字特征、正态分布、数理统计的基础知识、参数估计、假设检验、回归分析与方差分析等。本书语言通俗易懂，逻辑清晰，结构严谨。每章穿插微视频，围绕重难点及典型例题进行视频讲解，线上线下相结合，有助于学生更好的理解内容。章末均配有不同难度的课后习题，适配

本书介绍概率论与数理统计的基本概念、基本理论和方法。全书分8章，内容涵盖了随机事件与概率、离散型随机变量及其分布、连续型随机变量及其分布、随机变量的数字特征、大数定律及中心极限定理、数理统计的基础知识、参数估计、方差分析和回归分析，并介绍了数学软件MATLAB的使用方法。每个章末均有灵活多样、综合性较强的习题，供学生、

实验设计与数据处理是理工科学生必须掌握的技能。编著者从数据库与文献检索、实验设计方法、数据处理基础、软件在数据处理中的应用等角度出发编写了此书。本书内容涉及利用单因素实验设计、正交实验设计、均匀实验设计、科技文献检索、数据处理基础、方差分析、回归分析、Origin软件、Excel软件、SPSS软件、MATLAB软件对数

本书在详细讲授试验设计和统计分析基本原理的基础上，利用SPSS软件将传统的统计分析方法简单化。本教材包括试验设计概述、SPSS软件概述、统计假设检验、方差分析、回归与相关、非参数统计、正交试验设计、回归的正交试验和SPSS统计图形等内容。本次修订主要根据SPSS软件的最新版本（SPSS29）对教材的相关内容进行修改，同