互補(bǔ)約束優(yōu)化是一類(lèi)帶均衡約束的數(shù)學(xué)規(guī)劃問(wèn)題,在工程設(shè)計(jì)、交通網(wǎng)絡(luò)、通信網(wǎng)絡(luò)、**控制、經(jīng)濟(jì)等領(lǐng)域有廣泛的應(yīng)用.本書(shū)主要介紹互補(bǔ)約束優(yōu)化的理論和算法,內(nèi)容包括互補(bǔ)約束優(yōu)化的應(yīng)用背景及其約束規(guī)格和**性條件、線(xiàn)性互補(bǔ)約束優(yōu)化的快速算法、非線(xiàn)性互補(bǔ)約束優(yōu)化的光滑化算法、非線(xiàn)性互補(bǔ)約束優(yōu)化的松弛方法等.

本書(shū)按新時(shí)期大學(xué)數(shù)學(xué)教學(xué)大綱要求編寫(xiě)而成，內(nèi)容豐富，理論嚴(yán)謹(jǐn)，思路清晰，例題典型，方法性強(qiáng).本書(shū)注重分析解題思路與規(guī)律，并與現(xiàn)實(shí)生活中的問(wèn)題緊密結(jié)合，對(duì)培養(yǎng)學(xué)生的學(xué)習(xí)興趣及提高分析問(wèn)題與解決問(wèn)題的能力將起到較大作用.全書(shū)共分九章，內(nèi)容涵蓋隨機(jī)事件、一維隨機(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、大數(shù)定律

利用時(shí)間序列預(yù)測(cè)技術(shù)對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，可以推測(cè)事物發(fā)展的未來(lái)趨勢(shì)。然而傳統(tǒng)的時(shí)間序列預(yù)測(cè)技術(shù)模型構(gòu)建簡(jiǎn)單，對(duì)于數(shù)據(jù)包含的信息挖掘與剖析不夠深入。因此，采用基于群智能優(yōu)化算法的預(yù)測(cè)理論解決時(shí)間序列分析與預(yù)測(cè)問(wèn)題，是近年來(lái)的研究熱點(diǎn)之一�！痘�于群智能優(yōu)化算法的預(yù)測(cè)理論與方法的研究及應(yīng)用》闡述了基于群智能優(yōu)化算法的預(yù)測(cè)理論

本書(shū)介紹非參數(shù)統(tǒng)計(jì)的基本概念和方法,其內(nèi)容包括預(yù)備知識(shí)、U統(tǒng)計(jì)量、基于二項(xiàng)分布的檢驗(yàn)、列聯(lián)分析、秩檢驗(yàn)、檢驗(yàn)的功效與漸近相對(duì)效率、概率密度估計(jì)、非參數(shù)回歸.每一章內(nèi)容都著重闡述非參數(shù)統(tǒng)計(jì)推斷的一般處理技術(shù)和原則,并給出一些典型例子.各章后面的習(xí)題側(cè)重于應(yīng)用.本書(shū)的特點(diǎn)是側(cè)重于介紹非參數(shù)統(tǒng)計(jì)在各應(yīng)用領(lǐng)域中的常用方法,盡可

《數(shù)值計(jì)算方法實(shí)驗(yàn)教程》是一本針對(duì)數(shù)值計(jì)算方法的實(shí)驗(yàn)課程的指導(dǎo)用書(shū).《數(shù)值計(jì)算方法實(shí)驗(yàn)教程》共8章,包括數(shù)值計(jì)算常用軟件(MATLAB、C、Python)介紹、非線(xiàn)性方程求根實(shí)驗(yàn)、線(xiàn)性方程組的直接解法實(shí)驗(yàn)、線(xiàn)性方程組的迭代解法實(shí)驗(yàn)、函數(shù)的插值法實(shí)驗(yàn)、曲線(xiàn)擬合實(shí)驗(yàn)、數(shù)值積分實(shí)驗(yàn)、矩陣特征值與特征向量的計(jì)算實(shí)驗(yàn).《數(shù)值計(jì)算

本書(shū)重點(diǎn)研究了位置數(shù)據(jù)的智能聚類(lèi)學(xué)習(xí)相關(guān)模型和算法前沿，集中反映了作者近年來(lái)對(duì)空間數(shù)據(jù)聚類(lèi)與智能優(yōu)化相結(jié)合的研究成果，系統(tǒng)闡述了GPS位置數(shù)據(jù)聚類(lèi)學(xué)習(xí)的相關(guān)模型與算法。本書(shū)共分為7章，包括GPS位置數(shù)據(jù)聚類(lèi)模型和智能優(yōu)化的關(guān)鍵技術(shù)，GPS位置數(shù)據(jù)的遺傳、模糊粒子-遺傳融合、遺傳-模糊蟻群混合自動(dòng)聚類(lèi)模型與算法，基于Ma

本書(shū)廣泛涉及了統(tǒng)計(jì)學(xué)、神經(jīng)網(wǎng)絡(luò)、模糊控制、人工智能及群智能計(jì)算等學(xué)科的先進(jìn)思想和理論，將各種算法應(yīng)用到模式識(shí)別領(lǐng)域中。以一種新的體系，系統(tǒng)而全面地介紹模式識(shí)別的理論、方法及應(yīng)用。本書(shū)共分為12章，內(nèi)容包括：模式識(shí)別概述、基于貝葉斯決策理論的分類(lèi)器設(shè)計(jì)、判別函數(shù)分類(lèi)器設(shè)計(jì)、聚類(lèi)分析、模糊聚類(lèi)分析、神經(jīng)網(wǎng)絡(luò)聚類(lèi)設(shè)計(jì)、模擬退

《概率論與數(shù)理統(tǒng)計(jì)（人工智能專(zhuān)用）》介紹了與人工智能密切相關(guān)的概率論與數(shù)理統(tǒng)計(jì)的內(nèi)容。全書(shū)分成兩大部分，di一部分主要介紹概率論的知識(shí)，涵蓋概率論的基本概念、一維隨機(jī)變量及其分布、二維隨機(jī)變量及其分布，數(shù)字特征，大數(shù)定理和中心極限定理外，還增加了信息論基礎(chǔ)知識(shí)、若干集中不等式的相關(guān)知識(shí)。第二部分主要介紹常見(jiàn)的數(shù)理統(tǒng)計(jì)知

本書(shū)主要介紹概率論和隨機(jī)過(guò)程的基礎(chǔ)知識(shí)和基本概念，內(nèi)容包括概率論和隨機(jī)過(guò)程兩部分。第1~5章介紹概率論的基本概念及定理，主要包括隨機(jī)事件與概率、離散型隨機(jī)變量及其分布、連續(xù)型隨機(jī)變量及其分布、隨機(jī)變量的數(shù)字特征、大數(shù)定律與中心極限定理;第6章介紹隨機(jī)過(guò)程的基本概念、泊松過(guò)程、馬爾可夫過(guò)程、鞅、布朗運(yùn)動(dòng)、隨機(jī)積分和伊藤公

本書(shū)系統(tǒng)介紹了基于ABAQUS的有限元用戶(hù)子程序開(kāi)發(fā)和應(yīng)用，可為有需要的科研人員和工程技術(shù)人員提供快速掌握較復(fù)雜有限元程序開(kāi)發(fā)和仿真分析的實(shí)用工具和資料。全書(shū)分為兩部分，分別是基于ABAQUS的用戶(hù)子程序基礎(chǔ)、有限元子程序開(kāi)發(fā)進(jìn)階。第一部分（第1~8章）介紹了有限元子程序開(kāi)發(fā)的基本過(guò)程、Fortran的基本語(yǔ)法和常用到

本書(shū)介紹了數(shù)理統(tǒng)計(jì)的基本概念、參數(shù)估計(jì)、假設(shè)檢驗(yàn)、方差分析、貝葉斯基礎(chǔ)和統(tǒng)計(jì)計(jì)算等內(nèi)容.在編寫(xiě)過(guò)程中特別注重方法的實(shí)際應(yīng)用，每個(gè)理論后面都列舉了對(duì)應(yīng)的例子.同時(shí)，為了更貼近社會(huì)的現(xiàn)實(shí)需求，在每章最后一節(jié)通過(guò)例子對(duì)該章的主要內(nèi)容進(jìn)行了R語(yǔ)言實(shí)現(xiàn)，并列出了程序的詳細(xì)步驟.

本書(shū)研究分類(lèi)數(shù)據(jù)的統(tǒng)計(jì)過(guò)程控制.近年來(lái)，統(tǒng)計(jì)過(guò)程控制的研究成果十分豐富，但大都集中在取值為具體數(shù)值的連續(xù)數(shù)據(jù).本書(shū)關(guān)注的分類(lèi)數(shù)據(jù)取值為若干個(gè)類(lèi)別或?qū)傩运�平，信息量較少，但在生活生產(chǎn)中極為常見(jiàn).本書(shū)內(nèi)容來(lái)自作者和合作者近年來(lái)的研究成果，從一元或多元、名義或有序、獨(dú)立或自相關(guān)、相關(guān)性或因果關(guān)系等角度，系統(tǒng)地介紹了分類(lèi)數(shù)據(jù)統(tǒng)

本書(shū)介紹了與Abaqus二次開(kāi)發(fā)密切相關(guān)的腳本用戶(hù)手冊(cè)、腳本參考手冊(cè)、GUI用戶(hù)手冊(cè)、GUI參考手冊(cè)的常用內(nèi)容，詳細(xì)解釋了常用腳本命令和GUI命令。其中，腳本命令提供了簡(jiǎn)單示例，GUI命令提供了詳細(xì)示例，大量GUI命令的解釋比幫助文件更為詳盡。本書(shū)特別提供了筆者開(kāi)發(fā)的大量學(xué)習(xí)、開(kāi)發(fā)輔助工具，附完整源碼，可幫助讀者更快熟

本書(shū)的主要內(nèi)容包括計(jì)算思維概述、計(jì)算思維之抽象、計(jì)算思維之自動(dòng)化、人工智能、GoogleBlockly語(yǔ)言程序設(shè)計(jì)等。本書(shū)以培養(yǎng)學(xué)生的計(jì)算思維能力為目標(biāo)，以提高學(xué)生的創(chuàng)新能力和抽象思維能力為重點(diǎn)，培養(yǎng)學(xué)生從計(jì)算思維的角度理解計(jì)算學(xué)科的基本知識(shí)和方法，并用Blockly語(yǔ)言進(jìn)行程序設(shè)計(jì)，使計(jì)算思維融入學(xué)生分析問(wèn)題和解決問(wèn)

本書(shū)主要介紹了雙參數(shù)韋布爾分布模型,并從雙參數(shù)韋布爾分布在可靠性領(lǐng)域的應(yīng)用角度介紹了相關(guān)可靠性統(tǒng)計(jì)方法,包括韋布爾分布的確定方法、基于極大似然估計(jì)的可靠性統(tǒng)計(jì)方法、基于分布曲線(xiàn)擬合的可靠性統(tǒng)計(jì)方法、基于Bayes的可靠性統(tǒng)計(jì)方法、其他可靠性統(tǒng)計(jì)方法及改進(jìn)韋布爾分布的可靠性統(tǒng)計(jì)方法。

本書(shū)系統(tǒng)介紹了分析偏微分方程控制系統(tǒng)穩(wěn)定性的Riesz基方法，側(cè)重于由二階偏微分系統(tǒng)描述的彈性振動(dòng)系統(tǒng)的Riesz基性質(zhì)、譜確定增長(zhǎng)條件以及指數(shù)穩(wěn)定性，從一般抽象的理論開(kāi)始到具體偏微分系統(tǒng)Riesz基的驗(yàn)證都有全面敘述與證明。特別地，本書(shū)重點(diǎn)介紹比較法、對(duì)偶基方法以及Green函數(shù)法的技巧與理論，其中關(guān)于本征值與本征函

本書(shū)第1章主要介紹變點(diǎn)檢驗(yàn)和在線(xiàn)監(jiān)測(cè)的一些經(jīng)典方法，并介紹本書(shū)著重討論的厚尾時(shí)間序列模型和長(zhǎng)記憶時(shí)間序列模型.第2,3章主要介紹檢驗(yàn)和估計(jì)厚尾時(shí)間序列模型均值變點(diǎn)和持久性變點(diǎn)的一些方法.第4,5章介紹檢驗(yàn)長(zhǎng)記憶時(shí)間序列均值變點(diǎn)、時(shí)間趨勢(shì)項(xiàng)變點(diǎn)、方差變點(diǎn)及長(zhǎng)記憶參數(shù)變點(diǎn)的一些方法.第6章介紹在線(xiàn)監(jiān)測(cè)厚尾時(shí)間序列持久性變點(diǎn)

本書(shū)講述系統(tǒng)與控制中的**控制理論。第一章介紹**控制問(wèn)題的提出過(guò)程、**控制的數(shù)學(xué)提法、研究**控制的方法和幾個(gè)例子。第二章介紹**值原理，包括一般控制問(wèn)題的**值原理、最速控制的**值原理、**值原理與古典變分之間的關(guān)系等問(wèn)題。第三章介紹動(dòng)態(tài)規(guī)劃方法與**控制，包括**性原理與動(dòng)態(tài)規(guī)劃方法基礎(chǔ)、**控制器分析設(shè)計(jì)問(wèn)

本書(shū)是根據(jù)教育部高等學(xué)校統(tǒng)計(jì)學(xué)專(zhuān)業(yè)教學(xué)指導(dǎo)分委員會(huì)制定的《統(tǒng)計(jì)學(xué)專(zhuān)業(yè)教學(xué)規(guī)范(授經(jīng)濟(jì)學(xué)學(xué)位)》中提出的課程設(shè)置和教學(xué)內(nèi)容綱要編寫(xiě)出版的系列教材之一。本書(shū)介紹數(shù)理統(tǒng)計(jì)學(xué)的統(tǒng)計(jì)思想、理論和方法，主要內(nèi)容包括總體、樣本、統(tǒng)計(jì)量等概念以及常用分布、點(diǎn)估計(jì)理論、假設(shè)檢驗(yàn)、區(qū)間估計(jì)、線(xiàn)性模型以及統(tǒng)計(jì)決策理論和貝葉斯推斷等。本書(shū)強(qiáng)調(diào)

本書(shū)通過(guò)經(jīng)典的案例分析，翔實(shí)介紹在科學(xué)研究和數(shù)學(xué)建模競(jìng)賽中常用的優(yōu)化控制方法，包括數(shù)學(xué)規(guī)劃方法、網(wǎng)絡(luò)優(yōu)化、計(jì)算機(jī)仿真方法、智能優(yōu)化算法、微分方程與模糊數(shù)學(xué)等。全書(shū)共5個(gè)部分25章，各自獨(dú)立且相互補(bǔ)充，每一個(gè)案例均有詳細(xì)的計(jì)算代碼，便于讀者自學(xué)與應(yīng)用。