所有應(yīng)用學(xué)科都有一個(gè)共同特點(diǎn)：實(shí)踐性。所有科技工作者都有一個(gè)共同目標(biāo)：尋找事物的本質(zhì)和變化規(guī)律。在科學(xué)研究中發(fā)現(xiàn)新規(guī)律、在實(shí)際生產(chǎn)中探索新工藝、在產(chǎn)品開(kāi)發(fā)中尋求最佳決策等，試驗(yàn)是一項(xiàng)重要的實(shí)踐活動(dòng)。試驗(yàn)會(huì)產(chǎn)生大量的數(shù)據(jù)，如何利用數(shù)據(jù)洞悉事物的本質(zhì)，如何構(gòu)建合適的模型刻畫(huà)事物的發(fā)展規(guī)律，這就是本書(shū)要敘述的主要內(nèi)容�！对囼�(yàn)

"本書(shū)全面系統(tǒng)地闡明了現(xiàn)代多元復(fù)雜數(shù)據(jù)分析理論與方法，反映該專(zhuān)業(yè)國(guó)際前沿研究狀況。內(nèi)容包括多元數(shù)據(jù)可視化方法、矩陣代數(shù)、多元分析基本工具、多元統(tǒng)計(jì)分布、多元正態(tài)分布理論、多元似然方法、多元統(tǒng)計(jì)假設(shè)檢驗(yàn)、多元數(shù)據(jù)因子降維技術(shù)、主成分分析、因子分析、聚類(lèi)分析、判別分析、對(duì)應(yīng)分析、典型相關(guān)分析、多維標(biāo)度分析、聯(lián)合分析以及高維

本書(shū)內(nèi)容包括選題背景；與平臺(tái)推薦和評(píng)論系統(tǒng)相關(guān)的已有研究成果；基于多模態(tài)數(shù)據(jù)的推薦算法設(shè)計(jì)；評(píng)論系統(tǒng)中用戶生成圖像對(duì)后續(xù)消費(fèi)者決策所產(chǎn)生的影響；未來(lái)發(fā)展趨勢(shì)。

本書(shū)分為8章，內(nèi)容包括時(shí)間序列分析的基礎(chǔ)知識(shí)、時(shí)間序列預(yù)測(cè)的常用方法，以及神經(jīng)網(wǎng)絡(luò)在時(shí)間序列預(yù)測(cè)中的應(yīng)用；時(shí)間序列異常檢測(cè)算法的技術(shù)與框架，如何識(shí)別異常的時(shí)間點(diǎn)及多種異常檢測(cè)方法；時(shí)間序列的相似性度量方法、聚類(lèi)算法；多維時(shí)間序列在廣告分析和業(yè)務(wù)運(yùn)維領(lǐng)域的應(yīng)用，利用OLAP技術(shù)對(duì)多維時(shí)間序列進(jìn)行有效處理，通過(guò)根因分析技術(shù)

"本書(shū)是“新時(shí)代大學(xué)數(shù)學(xué)系列教材”之一。本書(shū)內(nèi)容包括概率模型、概率公式、隨機(jī)變量、隨機(jī)向量、數(shù)學(xué)期望和方差、大數(shù)定律和中心極限定理、統(tǒng)計(jì)初步、參數(shù)估計(jì)、參數(shù)的區(qū)間估計(jì)、正態(tài)總體的顯著性檢驗(yàn)、總體分布和比例的假設(shè)檢驗(yàn)、線性回歸分析等十二章內(nèi)容，并以工程技術(shù)和科學(xué)研究中廣泛使用的MATLAB及國(guó)產(chǎn)軟件北太天元為例,介紹與本

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

這是一套適用于考研基礎(chǔ)階段和強(qiáng)化階段復(fù)習(xí)的專(zhuān)業(yè)備考書(shū).本書(shū)為編者基于豐富的一線教學(xué)經(jīng)驗(yàn)和考研輔導(dǎo)經(jīng)驗(yàn)，以最新全國(guó)碩士研究生招生考試數(shù)學(xué)考試大綱為依據(jù)編寫(xiě)的一本知識(shí)講解題型分析的輔導(dǎo)書(shū)，便于考生攜帶和合理的安排備考時(shí)間。本書(shū)分為兩個(gè)分冊(cè)：認(rèn)知篇和題型篇，認(rèn)知篇講解基礎(chǔ)知識(shí)，題型篇總結(jié)常見(jiàn)題型，考生可以一邊看基礎(chǔ)知識(shí)，一邊

本書(shū)由李良根據(jù)近期新研究生考試大綱編寫(xiě)，包含基礎(chǔ)篇和強(qiáng)化篇，考生可用此書(shū)進(jìn)行全程概率論學(xué)習(xí)。書(shū)籍主要由知識(shí)點(diǎn)、例題、解析三部分構(gòu)成，為了讓同學(xué)們更高效學(xué)習(xí)，我們?cè)跁?shū)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(shū)是編者在總結(jié)多年教學(xué)經(jīng)驗(yàn)的基礎(chǔ)上，為適應(yīng)民辦本科院校教學(xué)和新工科對(duì)概率論與數(shù)理統(tǒng)計(jì)的需求，按照國(guó)家對(duì)非數(shù)學(xué)類(lèi)本科生概率論與數(shù)理統(tǒng)計(jì)課程的基本要求編寫(xiě)的。 全書(shū)分為七章：隨機(jī)事件及其概率、隨機(jī)變量及其分布、二維隨機(jī)變量及其分布、隨機(jī)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(jì)的基本概念、參數(shù)估計(jì)。各章配有習(xí)題

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