本書旨在幫助讀者筑牢數(shù)據(jù)結(jié)構(gòu)和算法的基礎,提升職場競爭力。本書代碼采用Java語言編寫,分為上、下兩篇,共15章。其中,第1~9章為上篇,講解數(shù)據(jù)結(jié)構(gòu)和算法基礎,為讀者全面梳理基本知識,內(nèi)容涵蓋線性結(jié)構(gòu)、樹結(jié)構(gòu)、圖結(jié)構(gòu)、排序與查找、窮舉法、遞歸算法、貪心算法、動態(tài)規(guī)劃、回溯法;第10~15章為下篇,收集了50多道經(jīng)典且
ChatGPT掀起了現(xiàn)象級的風暴,趕超ChatGPT潮流,算法突破是關鍵。 本書介紹了若干常見算法,涉及排序、哈希、動態(tài)規(guī)劃與近似算法、高斯消去法、圖論與線性規(guī)劃、無約束優(yōu)化、迭代法、插值與擬合等。本書在介紹算法的同時,結(jié)合了作者自己對數(shù)學背景、應用場景的理解,便于讀者把握算法的核心思想。而且,本書不僅指出了哪些算法可
本書從基本原理、電路設計和案例應用三個層次,全面、系統(tǒng)地介紹芯片攻擊與安全防護的相關知識,全書共10章,其中第1章為緒論,第2~4章介紹側(cè)信道攻擊與防護、故障攻擊與防護和侵入式及半侵入式攻擊與防護,第5章介紹硬件木馬攻擊與防護,第6章介紹物理不可克隆函數(shù),第7~9章分別介紹IP核安全防護、處理器安全防護、存儲器安全防護
本書為“十二五”普通高等教育本科國家級規(guī)劃教材。全書從微體系結(jié)構(gòu)層、指令系統(tǒng)層、匯編語言層三個層次,以及CPU、存儲系統(tǒng)、輸入/輸出系統(tǒng)及其互連三大系統(tǒng)出發(fā),建立整機的概念,并體現(xiàn)軟硬結(jié)合的思想。全書共7章,分為三篇,系統(tǒng)介紹基礎知識(緒論、計算機中的信息表示)、計算機系統(tǒng)結(jié)構(gòu)(微體系結(jié)構(gòu)層——CPU組織、指令系統(tǒng)層、
這是一本從業(yè)務視角解讀推薦系統(tǒng)架構(gòu)設計、評估方法、數(shù)據(jù)工程和算法原理的著作。市面上推薦系統(tǒng)方面的著作,內(nèi)容多以推薦技術、算法和模型為主,讓讀者誤以為掌握了推薦算法就能用好推薦系統(tǒng)并提升業(yè)務指標,其實推薦算法只是工具,要真正發(fā)揮推薦系統(tǒng)的價值,需要將推薦系統(tǒng)植根于業(yè)務之上。本書從業(yè)務視角出發(fā),描繪了當下主流推薦系統(tǒng)的設計
為全面建設高質(zhì)量技能人才隊伍,大力推行職業(yè)技能等級制度,規(guī)范職業(yè)技能培訓,中國就業(yè)培訓技術指導中心、人力資源和社會保障部職業(yè)技能鑒定中心組織有關專家編寫了國家職業(yè)技能等級認定培訓教程。本書作為職業(yè)技能等級認定推薦教程,根據(jù)《信息安全測試員(滲透測試員)國家職業(yè)技能標準(2021年版)》要求編寫,適用于職業(yè)技能等級認定培
本書的主題是基于變換編碼的可逆隱寫和認證。首先全面而詳盡地討論了六種可逆變換運算,包括離散傅里葉變換(DFT)、離散余弦變換(DCT)、小波變換、Z變換、二項式變換和Grouplet變換,在此基礎上,分別描述了基于這幾種變換的數(shù)字隱寫方法的詳細步驟及相應結(jié)果,然后介紹了基于混沌的圖像認證方法。最后還詳細討論了在安全應用
本書從研究異構(gòu)系統(tǒng)互聯(lián)機理入手,系統(tǒng)論述了基于HLA與TENA體系結(jié)構(gòu)的異構(gòu)系統(tǒng)聯(lián)合仿真方法。本書內(nèi)容包括:HLA入門、HLA接口規(guī)范、HLA聯(lián)邦設計、ENA入門、TENA工具、TENA資源組件模型,基于TENA-HLA的互聯(lián)技術、基于通用網(wǎng)關的互聯(lián)技術、基于LVC一體化平臺集成的互聯(lián)技術以及工程應用案例分析。本書注重
本書旨在探索基于視覺的目標跟蹤與定位技術,并提出一種創(chuàng)新的方法來解決該問題。書中基于視覺信息,使用圖像處理、深度學習和計算機視覺的技術手段,通過對目標的特征提取、圖像增廣、目標檢測和深度估計等步驟進行研究,以實現(xiàn)對運動目標的準確跟蹤和定位。
本書對當前主流的視頻隱寫技術進行了系統(tǒng)闡述,主要包括作者及團隊在控制幀內(nèi)失真漂移和魯棒視頻隱寫領域的研究成果及其他主流的視頻隱寫算法。針對原始域的視頻隱寫技術,介紹了基于LSB和DWT的視頻隱寫算法;針對壓縮域的視頻隱寫技術,提出了基于H.264/AVC、H.265/HEVC無幀內(nèi)失真漂移視頻隱寫算法,介紹了基于幀內(nèi)預