本書以高光譜圖像信息提取為核心，采用理論方法引入與實驗論證分析相結(jié)合的方式，從高光譜圖像低秩表示降噪修復(fù)、復(fù)雜場景混合像元分解、子空間模型分類、稀疏特征提取及分類、空譜多特征提取及分類、基于背景精確估計的目標探測等6個方面介紹了高光譜圖像處理與信息提取的理論發(fā)展和**前沿技術(shù)。

本專題從網(wǎng)絡(luò)安全態(tài)勢感知的研究背景，基本概念及研究內(nèi)容，相關(guān)戰(zhàn)略和政策，相關(guān)項目、系統(tǒng)和標準等角度出發(fā)，全方位地闡述了該領(lǐng)域的研究和使用現(xiàn)狀。特別提出了態(tài)勢感知的2345模型，即態(tài)勢感知的兩個維度：感知域和非感知域；三個核心技術(shù)指標：全面、準確和實時；四個發(fā)展階段：基本組件構(gòu)建階段、基本能力構(gòu)建階段、安全事件深度檢測階

混雜系統(tǒng)是指系統(tǒng)包含連續(xù)與離散兩類運動模態(tài)，正系統(tǒng)是指狀態(tài)為非負的系統(tǒng)。本書介紹了正混雜系統(tǒng)的基礎(chǔ)知識、基本結(jié)論和研究的主要問題，然后結(jié)合作者的研究成果講述了正混雜系統(tǒng)的一些新的控制方法，介紹了正混雜系統(tǒng)的非脆弱可靠控制、含有時滯和非線性的正混雜系統(tǒng)的魯棒控制、正系統(tǒng)的預(yù)測控制等內(nèi)容。

利用開源軟件QGIS實現(xiàn)遙感影像分析在地學領(lǐng)域應(yīng)用，應(yīng)用場景主要在：農(nóng)業(yè)、森林、陸地水文以及環(huán)境和風險等。第一冊介紹了QGIS的基本功能及其插件的使用方法；第二冊介紹QGIS在農(nóng)業(yè)和林業(yè)領(lǐng)域的應(yīng)用，包括土壤水分提取、熱圖像分解、土地分類、植被制圖等；第三冊介紹QGIS在土地規(guī)劃領(lǐng)域的應(yīng)用，包括土地利用率、城市氣候模型、

本書全面系統(tǒng)地講解了深度學習相關(guān)的知識。全書共8章，內(nèi)容包括深度學習簡介及TensorFlow安裝，神經(jīng)網(wǎng)絡(luò)基礎(chǔ)、神經(jīng)網(wǎng)絡(luò)的TensorFlow實現(xiàn)、卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)、經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)（上）、經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)（下）、深度學習用于文本序列和深度學習實驗項目等內(nèi)容。 本書以知識體系為基礎(chǔ)，以課堂案例為載體，采取理論與實踐相

本書選材廣泛，共12個單元，主要內(nèi)容涉及什么是大數(shù)據(jù)，大數(shù)據(jù)分析，數(shù)據(jù)模型，結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)，大數(shù)據(jù)存儲，數(shù)據(jù)提取、轉(zhuǎn)換、加載，數(shù)據(jù)備份，Python編程語言與R編程語言，數(shù)據(jù)庫基本概念，數(shù)據(jù)庫管理系統(tǒng)，數(shù)據(jù)倉庫，云存儲，數(shù)據(jù)處理，數(shù)據(jù)挖掘及其算法，Hadoop與Spark，大數(shù)據(jù)可視化，商業(yè)智能

本書從挑戰(zhàn)水管理的傳統(tǒng)思維入手，闡述了復(fù)雜水管理問題的特性，以及解決復(fù)雜水管理問題的一種新方法——基于復(fù)雜性理論與才礙和協(xié)商理論的水外交框架。書中介紹了利益相關(guān)者代表的參與、聯(lián)合實情調(diào)查和情景規(guī)劃、價值創(chuàng)造、非正式的問題調(diào)解并尋求共識、適應(yīng)性學習及協(xié)同適應(yīng)性管理等方法，以及相關(guān)實踐案例。最后書中還提供了運用水外交框架進

全書工12章，主要內(nèi)容包括：商業(yè)數(shù)據(jù)分析概論、Python商業(yè)數(shù)據(jù)存取、Python商業(yè)數(shù)據(jù)的圖形繪制與可視化、Python描述性統(tǒng)計、Python參數(shù)估計、Python參數(shù)假設(shè)檢驗、Python相關(guān)分析、Python一元線性回歸分析、Python多元線性回歸分析、Python時間序列分析應(yīng)用、Python量化金融數(shù)據(jù)

本書是在第1版的基礎(chǔ)上經(jīng)結(jié)構(gòu)調(diào)整和內(nèi)容增減而成，主要內(nèi)容包括4部分：JavaEE技術(shù)基礎(chǔ)（第1章）、JavaEE技術(shù)規(guī)范（第2章~第6章）、JavaEE輕型框架（第7章~第9章）、框架整合（第10章）詳細介紹了13種技術(shù)規(guī)范和3種常用輕型框架的原理、組成和應(yīng)用開發(fā)方法，最后通過一個實戰(zhàn)案例綜合運用各章知識學以致用，掌握

從Python基礎(chǔ)入門開始，到應(yīng)用Python進行科學計算、數(shù)據(jù)處理、數(shù)據(jù)可視化、機器學習、深度學習，再到利用Python進行金融、地理信息、交通、文本、圖像等具體領(lǐng)域數(shù)據(jù)挖掘與分析，并最終利用Python進行項目GUI可視化應(yīng)用開發(fā)。本書深入淺出地介紹了如何學習Python數(shù)據(jù)分析技能及應(yīng)用于具體領(lǐng)域，實踐性強。本書