《C Primer Plus（第6版）中文版》详细讲解了C语言的基本概念和编程技巧。 《C Primer Plus（第6版）中文版》共17章。第1章、第2章介绍了C语言编程的预备知识。第3章～第15章详细讲解了C语言的相关知识，包括数据类型、格式化输入/输出、运算符、表达式、语句、循环、字符输入和输出、函数、数组和指针、字符和字符串函数、内存管理、文件输入和输出、结构、位操作等。第16章、第17章介绍C预处理器、C库和高级数据表示。本书以丰富多样的程序为例，讲解C语言的知识要点和注意事项。每章末尾设计了大量复习题和编程练习，帮助读者巩固所学知识和提高实际编程能力。附录给出了各章复习题的参考答案和丰富的参考资料。 《C Primer Plus（第6版）中文版》可作为C语言的教材，适用于需要系统学习C语言的初学者，也适用于想要巩固C语言知识或希望进一步提高编程技
《算法竞赛入门经典（2版）》是一本算法竞赛的入门与提高教材，把C/C 语言、算法和解题有机地结合在一起，淡化理论，注重学习方法和实践技巧。全书内容分为12章，包括程序设计入门、循环结构程序设计、数组和字符串、函数和递归、C 与STL入门、数据结构基础、暴力求解法、高效算法设计、动态规划初步、数学概念与方法、图论模型与算法、高级专题等内容，覆盖了算法竞赛入门和提高所需的主要知识点，并含有大量例题和习题。书中的代码规范、简洁、易懂，不仅能帮助读者理解算法原理，还能教会读者很多实用的编程技巧；书中包含的各种开发、测试和调试技巧也是传统的语言、算法类书籍中难以见到的。 《算法竞赛入门经典（2版）》可作为全国青少年信息学奥林匹克联赛（NOIP）复赛教材、全国青少年信息学奥林匹克竞赛（NOI）和ACM国际大学生程序
《智能优化算法与MATLAB编程实践》介绍了国内外新研发的10种智能优化算法，对每种算法的灵感来源、实现过程、函数编程、案例应用都进行了细致描述并给出详细的MATLAB代码，使读者快速掌握智能优化算法的学习和应用方法。 全书共分为12章，前10章分别介绍10种智能优化算法的原理、MATLAB实现、具体函数寻优求解过程和应用案例；第11章列举了23种衡量智能优化算法性能的常见测试函数，并给出MATLAB代码；第12章重点介绍智能优化算法的评价指标体系，选取部分测试函数和文中算法进行测试与分析，并给出完整MATLAB代码，供读者参考。 本书的主要特点为算法新颖，要素齐全，案例丰富，可移植性和实战性强。理论研究和工程技术人员可通过本书快速理解、掌握书中算法，节省大量时间，感兴趣的读者可以在此基础上进行深入研究。 本书可作为本科生、研究生和教
《算法竞赛入门经典 算法实现》精选《算法竞赛入门经典（第2版）》和《算法竞赛入门经典 训练指南（升级版）》中的经典题目，按算法要点和竞赛考点重新进行分拆和归类，提供了240余套简洁、高效、规范的完整代码模板。此外，也加入了一些虽然未在两本书中出现，但实际上对初学者入门非常重要的题目代码。借助于这些模板，读者在练习环节和比赛时，可大大减轻因来回琢磨代码实现细节而导致调试时间大幅增加的压力。 《算法竞赛入门经典 算法实现》共分7章，第1章介绍C 编程基础与STL，第2章介绍算法设计与优化，第3章介绍数学相关算法，第4章介绍数据结构，第5章介绍字符串，第6章介绍计算几何，第7章介绍图论。 《算法竞赛入门经典 算法实现》题目覆盖了ACM/ICPC/NOI/NOIP等算法竞赛的大多数经典题型和细分算法要点，内容全面，信息量
《算法零基础一本通（Python版）》使用 Python 指导读者从零开始学习算法 ：由基础数据结构开始，逐步解说信息安全算法，*后也讲解了人工智能入门领域的 KNN 和 K-means 算法。《算法零基础一本通（Python版）》包含约 120 个程序实例，使用约 600 张完整图例，深入讲解了 7 种数据结构和数十种算法，此外也针对国内外著名公司招聘程序员的算法考题做了讲解。《算法零基础一本通（Python版）》实用性强、案例丰富，适合有一定 Python 基础的读者使用，也可作为大中专院校及培训机构的参考教材。
本书将数学理论与实例相结合，这些实例以*先进的通用机器学习框架为基础，由Python实现，向读者介绍更复杂的算法。全书共25章，包括机器学习模型基础、损失函数和正则化、半监督学习导论、高级半监督分类、基于图的半监督学习、聚类和无监督学习模型、高级聚类和无监督学习模型、面向营销的聚类和无监督学习模型、广义线性模型和回归、时序分析导论、贝叶斯网络和隐马尔可夫模型、*大期望算法、成分分析和降维、赫布学习、集成学习基础、高级提升算法、神经网络建模、神经网络优化、深度卷积网络、循环神经网络、自编码器、生成对抗网络导论、深度置信网络、强化学习导论和高级策略估计算法。
机器学习是人工智能研究领域中一个极其重要的研究方向，在现今的大数据时代背景下，捕获数据并从中萃取有价值的信息或模式，成为各行业求生存、谋发展的决定性手段，这使得这一过去为分析师和数学家所专属的研究领域越来越为人们所瞩目。 《机器学习实战》第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。 《机器学习实战》通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用Python代码来阐释如何处理统计
物联网、人工智能、大数据解析和机器人工学等，日新月异的科学技术每天都在给人类的生活带来重要的变化。身处这样的一个时代，我们面临一个选择，即怎样面对日新月异的科学技术的发展。在这样的变化中，是作为被动的一方，还是成为主动的一方，抑或是站在时代的前端成为创造的一方？这将取决于我们的选择。只要我们不想成为被动的一方，掌握编程的基本技能就是必不可少的。 本书从讲解学习编程的益处出发，向读者介绍了*好的学习编程的方法。紧接着，介绍了主要编程工具的概要和特点，包括 编程一小时 点灯机器人 Scratch 编码猴 等编程工具。了解这些编程工具后，书中又教读者使用 Scratch 从头到尾制作了一个游戏，从而提高他们的编程技能。*后，作者分析了各编程语言的特点，并为读者学习编程提供了真正有益的指导。本书讲解由浅入深，
本书基于Python语言介绍了数据结构与算法的基本知识，主要内容包括抽象数据类型和Python面向对象程序设计、线性表、字符串、栈和队列、二叉树和树、集合、排序以及算法的基本知识。本书延续问题求解的思路，从解决问题的目标来组织教学内容，注重理论与实践的并用。
《算法竞赛入门经典 习题与解答》是在《算法竞赛入门经典（第2 版）》的基础上，延伸出来的一本习题与解答图书，它把C 语言、算法和解题有机地结合在一起，淡化理论，注重学习方法和实践技巧，是一本算法竞赛的入门和提高教材。 《算法竞赛入门经典 习题与解答》分为5 章。第1 章是各种编程训练技巧以及C 11 语法特性的简单介绍。第2 章精选了一部分《算法竞赛入门经典（第2 版）》的习题进行分析、解答。第3 章是ACM/ICPC 比赛真题分类选解，挑选了近些年ACM/ICPC 比赛中较有价值的题目进行分析并解答。第4～5 章是比赛真题选译，整理并翻译了近几年来各大区域比赛中笔者认为值得学习训练的比赛真题。 如果你对算法感兴趣，如果你是一名程序员或即将成为一名程序员，如果你想大幅提升自己的算法思维能力，如果你有志于参加ACM/ICPC、NOIP、NOI 等竞赛，
本书以培养读者在多示例学习（MIL）框架下实现图像语义分析为目标，采用理论与实践相融合的方式，详细地介绍了MIL的基础知识、算法原理、编程步骤与试验结果等内容，使读者不仅能够掌握MIL算法的原理，而且能够掌握MATLAB中的编程方法，培养实践动手能力，激发学习兴趣。
本书主要介绍了一种新型的元启发式全局优化算法 类电磁机制（EM）算法。首先针对EM算法的一些不足，对其进行了改进，提出了多种改进EM算法，这些算法为后续的研究提供了指导；然后以改进的算法为基础，分别提出了求解带约束优化问题、多目标优化问题、神经网络训练问题以及模式分类问题的EM算法；并提出了采用离散排列编码方式的离散化EM算法，用来求解流水车间调度问题和装配序列规划问题；zui后介绍了基于EM算法的函数优化软件。附录中给出了本书中使用的标准测试问题的详细介绍。本书可作为计算机、自动控制、人工智能、管理科学和工业工程等专业高年级本科生和研究生的学习参考书，也可供从事计算智能、生产调度等工作的研究人员和工程技术人员参考使用。
