本书分为基础篇和高级篇两部分。基础篇通过Q%26amp;A的方式介绍MATLAB和Python的主要功能、基本命令、数据处理等内容,使读者对MATLAB和Python有一个基本的了解。高级篇分为2
本书介绍了43位ACM图灵奖获得者的工作和事迹。通过对20世纪下半叶及21世纪初有代表性计算机科学家的介绍,多方位、多视角地反映计算机科学技术半个世纪来的发展历程。本书在程度上反映了计算机体系结构、程序设计语言、算法设计与分析、操作系统和编译程序、数据库设计、计算复杂性理论、软件工程、人工智能等计算机科学技术主要分支的形成过程和发展概况。通过追寻成功者的足迹,给人以必要的启迪,读者可以从阅读本书中吸取成长和成功所必需的养分。
本书是配合主教材《计算机信息技术基础》编写的学习与上机实验指导。内容是针对计算机基础知识、基本操作和Windows 98,Word 97,Excel 97,PowerPoint 97、Inter和IE5.0,以及FrontPage 2000软件的教学要求设计编写的。本书还给出了Word 2000,Excel 2000,PowerPiont 2000 的新增功能及教学要求,以便参考阅读。 学习指导部分对各章的教学要求、学习要点和学习方法做了说明,并提供了部分练习题供学习者参考。实验指导部分提供了24个配套的上机实验指导,每个实验给出了实验目的、预备知识、实验操作。 本书适合大专院校,广播电视大学,以及成人培训或自学人员作为学习辅助教材。
支持向量机的研究是近十余年机器学习、模式识别和数据挖掘领域中的研究热点,受到了计算数学、统计、计算机、自动化和电信等有关学科研究者的广泛关注,取得了丰硕的理论成果,并被广泛地应用于文本分类、图像处理、语音识别、时间序列预测和函数估计等领域。《支持向量机的算法设计与分析》首先介绍了核函数的概念;然后从几何直观的角度介绍了建立二分类模型和回归模型过程中所取得的理论成果;最后对于分解算法、二乘支持向量机、多分类、模糊支持向量机、在线学习和大规模分类相关的成果进行了归纳和整理,从数学上对相关算法的原理进行了详细分析。《支持向量机的算法设计与分析》的内容既包括支持向量机的进展,也包括作者的多年研究成果。作者希望《支持向量机的算法设计与分析》能够有助于对机器学习、模式识别和数据挖掘感兴
本书系统全面地介绍了随机集信息融合最近10年来的理论及技术进展,密切结合弱小目标检测、联合跟踪识别、集群目标跟踪、多源异质融合、传感器配准、传感器/平台资源管理等实际应用问题。全书按专业化程度和应用水平分为五篇26章:有限集统计学初步;标准观测模型的RFS滤波器;未知背景下的RFS滤波器;非标观测模型的RFS滤波器;RFS传感器与平台管理。
本书介绍了一些深度网络原型,非常适合那些准备将自己的技能应用于诸如生物学、遗传学和药物发现等科学应用的开发人员和科学家。你将跟随设计一个将物理、化学、生物学和医学联系在一起的新疗法问题的案例研究,该案例代表了科学研究中的一个拥有挑战性的问题。本书的主要内容有:学习在分子数据上执行机器学习的基础知识。理解为什么深度学习是研究透传学和基因组学的有力工具。应用深度学习理解生物物理系统。通过DeepChem获得机器学习的简单认识。使用深度学习分析显微图像。使用深度学习技术分析医学扫描图像。了解变分自编码器和生成对抗网络。解释你的模型在做什么以及它是如何工作的。
MATLAB图像处理工具箱是目前很流行的图像处理工具之一,其函数能有效地实现各种图像算法。本书从实用角度出发,详细介绍MATLAB各种图像处理函数,包括图像显示、绘图、图像类型转换、图像用户界面、空间变换、图像统计、图像代数运算、图像增强、去模糊、滤波变换、形态学操作、块与邻域操作、色彩空间变换函数等。为加深读者对MATLAB图像处理应用的认识,书中列举了8个MATLAB图像处理应用综合实例。本书写作结构清晰、解释翔实、实例丰富。随书赠送的DVD光盘中附有大量教学视频,方便读者学习与提高。本书可作为MATLAB图像处理工作者的参考用书。