本書是一本模式識別學習的立體教程，通過本書的學習，能夠掌握模式識別主要技術模塊的算法原理及Python實現，包括貝葉斯決策、概率密度函數的估計、線性判別分析、非線性判別分析、組合分類器、無監(jiān)督模式識別、特征選擇、特征提取、半監(jiān)督學習以及人工神經網絡等。本書配以教學課件、Python仿真程序、微課視頻和實驗指導書，便于教

矩陣是重要的數學工具，也是當今人工智能、機器學習等領域重要的數據處理對象。本書作為矩陣理論的教材，將由淺入深地介紹矩陣的基本理論，包括矩陣的概念與運算、線性方程組、線性映射和線性變換、行列式、向量空間、特征值和特征向量、相似矩陣、二次型等，還有這些基本理論在機器學習上的簡單應用。此外在本書各章還附上了對應的Python

時間和空間的概念是如此常見，以至于我們覺得它們的存在是理所當然的。但是相對論在20世紀初完全顛覆了人們對這兩個概念的傳統(tǒng)認知：時間的流逝可能變慢，兩個人衰老的速度可能不同，光速是無法超越的極限速度，過去、現在和未來的區(qū)分也只是頑固而執(zhí)著的幻覺。本書通過生動的筆調、淺顯的示例和形象的插圖對相對論的基本原理進行了闡述和解讀

本書是根據普通高等學校教學指導委員會制定的新的本科數學基礎課程教學基本要求編寫的.全書共9章，內容包括：多項式、行列式、矩陣、線性方程組、線性空間、線性變換、歐幾里得空間、二次型及MATLAB實驗等.本書注重培養(yǎng)讀者的邏輯推理能力，論證嚴謹而簡明，內容由淺入深、條理清晰，充分體現教學的適用性.除第九章外，書中每節(jié)配有一

本書共有89個實驗項目，強調基礎實驗內容，不同程度地融合了無機及分析化學基礎理論知識的綜合應用，強調無機合成、化學定量分析實驗的規(guī)范操作意識；同時融入體現“高階性”、富有“創(chuàng)新性”和一定“挑戰(zhàn)度”的內容，培養(yǎng)學生解決復雜問題的綜合能力和高級思維能力。對

無機化學實驗是高等學校培養(yǎng)化學及相關專業(yè)人才的核心實踐課程，本書為開設無機化學實驗的配套主講教材。全書以體現高階性、創(chuàng)新性、挑戰(zhàn)度（即“兩性一度”）為目的搭建起內容框架，分為基礎知識、無機化學實驗基本操作和實驗項目三個部分，旨在培養(yǎng)學生的科學思維、創(chuàng)新意識與動手能力。同時本書以“注重能力、引導創(chuàng)新”為基本原則，構建信息

本書根據教育部《高等教育面向21世紀教學內容和課程體系改革計劃》和工科普通化學課程教學指導小組討論通過的《非化工類專業(yè)普通化學教學內容基本框架》的要求及實際教學使用情況編寫的。涉及物理化學、無機化學、有機化學等領域，基本涵蓋化學學科的基礎知識和要點，全書共12章，它簡明地闡述了原子結構與元素周期律、分子結構和晶體、氣體

本書是國家級精品課程理論力學的配套教材。本書以培養(yǎng)初學者掌握力學分析方法為主要目標，包括受力分析、力系簡化、平衡力系分析、運動描述、動力學分析和分析力學初步等基礎性內容。本書分十二章。第一章為解析幾何初步。第二、三章分別介紹力系分析和力系簡化。第

本書共十章。第一章闡述非參數統(tǒng)計的特點，第二章講解描述性統(tǒng)計方法，第三、四章分別講解符號檢驗法、符號秩和檢驗法，第五到八章分別講解兩樣本、多樣本和區(qū)組設計等問題以及相關分析的非參數統(tǒng)計方法，第九章講解非參數密度估計和非參數回歸，第十章講解檢驗的漸近相

本書是世界著名數學家A.H.柯爾莫戈洛夫院士在莫斯科大學數學力學系多年講授泛函分析教程(曾稱《數學分析III》)的基礎上編寫的。它是關于泛函分析與實變函數論的精細問題的嚴格的系統(tǒng)闡述，書中反映了作者的教育思想，體現作者豐富的教學經驗與方法。內容包括：集合論初步，度量空間與拓撲空間，賦范線性空間與線性拓撲空間，線性泛函與