本書系統(tǒng)地?cái)⑹隽藴u度法的數(shù)學(xué)理論，內(nèi)容主要分為Euler方程渦度法的收斂性，粘性分離格式的收斂性和隨機(jī)渦團(tuán)法的收斂性三個(gè)部分，其中包括無粘與粘性流、初值問題與初邊值問題、半離散化與全離散化以及有關(guān)不可壓縮流的數(shù)學(xué)理論.

本書系統(tǒng)地介紹了自然邊界元方法的數(shù)學(xué)理論，總結(jié)了作者十余年來在這一方向的研究成果，包括橢圓邊值問題的自然邊界歸化原理、強(qiáng)奇異積分的數(shù)值計(jì)算、對調(diào)和方程邊值問題、重調(diào)和方程邊值問題、平面彈性問題和Stokes問題的應(yīng)用，以及自然邊界元與有限元耦合法等內(nèi)容.

本教材試圖從工科的角度介紹隨機(jī)過程的基本概念和方法內(nèi)容，特點(diǎn)是閱讀的起點(diǎn)相對較低，使讀者能夠在較短的時(shí)間內(nèi)了解隨機(jī)過程的基礎(chǔ)知識和主要內(nèi)容，首先對于隨機(jī)過程的基本思想進(jìn)行詳細(xì)的介紹，隨后選擇幾種重要的隨機(jī)過程進(jìn)行重點(diǎn)介紹，而對于涉及較深數(shù)學(xué)知識的內(nèi)容列出文獻(xiàn)，便于感興趣的讀者進(jìn)行追蹤學(xué)習(xí)。

《廣義線性模型導(dǎo)論》系統(tǒng)介紹了廣義線性模型的概念基礎(chǔ)和基本原則，通過具體案例和SAS統(tǒng)計(jì)軟件闡釋了將logistic回歸等整合到擬合廣義線性模型架構(gòu)中的方法。本書的目的在于，向熟悉經(jīng)典線性模型的普通社會(huì)科學(xué)研究者展示，如何從線性回歸模型推廣到非連續(xù)自變量的其他模型，而不失這兩種模型間的共同根基及相似性。

本書內(nèi)容包括：如何應(yīng)用Mathematica7做因式分解、數(shù)項(xiàng)求和、函數(shù)極限、不定積分、求解偏微分方程、求解線性方程組、計(jì)算矩陣的特征值和特征向量、矩陣分解、插值、擬合和統(tǒng)計(jì)等數(shù)學(xué)運(yùn)算；如何用函數(shù)、數(shù)據(jù)、圖元素畫圖；如何自定義函數(shù)和寫程序構(gòu)建程序包。

本書是一本優(yōu)秀的法國數(shù)學(xué)著作，系統(tǒng)全面地介紹了馬爾可夫鏈的基本性質(zhì)和結(jié)論，然后圍繞這一主題給出了豐富的應(yīng)用結(jié)果�；�于蒙特卡羅(Monte-Carlo)算法和離散時(shí)間與連續(xù)時(shí)間的馬爾可夫鏈，本書給出了算法的多種應(yīng)用，例如在基因?qū)W中、物種發(fā)展學(xué)中及互聯(lián)網(wǎng)絡(luò)中。同時(shí)在最后一章還給出了其在金融學(xué)中的應(yīng)用。

《概率論與數(shù)理統(tǒng)計(jì)》系統(tǒng)地論述了概率論與數(shù)理統(tǒng)計(jì)的概念、方法、理論及其應(yīng)用，是一本為高等院校理工、經(jīng)管類專業(yè)學(xué)生本科生學(xué)習(xí)而編寫的教材或教學(xué)參考書．全書共分9章，內(nèi)容包括隨機(jī)事件及其概率、隨機(jī)變量及其分布、多維隨機(jī)變量及其分布、隨機(jī)變量的數(shù)字特征與特征函數(shù)、中心極限定理、數(shù)理統(tǒng)計(jì)的基礎(chǔ)知識、參數(shù)估計(jì)、假設(shè)檢驗(yàn)、方差分析

本書是學(xué)習(xí)掌握運(yùn)籌學(xué)理論和方法的重要輔助教材，也是教師備課、學(xué)生自學(xué)運(yùn)籌學(xué)以及研究生入學(xué)考試的常備參考資料。本書分為習(xí)題、習(xí)題答案、案例分析與討論三部分，內(nèi)容含線性規(guī)劃與單純形法、對偶理論與靈敏度分析、運(yùn)輸問題、目標(biāo)規(guī)劃、整數(shù)規(guī)劃、非線性規(guī)劃、動(dòng)態(tài)規(guī)劃、圖與網(wǎng)絡(luò)分析、網(wǎng)絡(luò)計(jì)劃與圖解評審法、排隊(duì)論、存儲(chǔ)論、對策論、決策論

具體分高等數(shù)學(xué)、線性代數(shù)、概率論與數(shù)理統(tǒng)計(jì)三部分冊。高等數(shù)學(xué)分冊主要介紹函數(shù)、極限與連續(xù)、一元微分學(xué)及其應(yīng)用、一元積分學(xué)及其應(yīng)用、無窮級數(shù)、多元微積分學(xué)、微分方程和查分方程初步等內(nèi)容。線性代數(shù)分冊主要介紹矩陣、行列式、向量的基本概念、線性方程組的求解、特征值和特征向量、以及二次型的基本知識。概率論與數(shù)理統(tǒng)計(jì)分冊主要包括

對用戶協(xié)同模型和多興趣模型算法加以了模擬實(shí)現(xiàn)，構(gòu)建了相關(guān)的模型并給出針對具體模型的推薦。在此基礎(chǔ)上，結(jié)合用戶參與評分的方法對算法的推薦效果進(jìn)行了評價(jià)。結(jié)果發(fā)現(xiàn)，基于用戶協(xié)同模型的算法要略優(yōu)于現(xiàn)有的基于用戶自身標(biāo)簽的算法，而基于多興趣模型的推薦則要明顯好于上述兩種算法，原因可能是多興趣模型中的子興趣保持了資源主題的單一性