计算机技术和互联网技术的迅速发展，使得网络上的网站、网页等各种信息以爆炸性的趋势增长，随之而来的还有大量的冗余信息和垃圾信息，并由此带来了信息泛滥、信息迷航以及信息疾病等一系列问题。这些冗余信息、垃圾信息不但影响着用户对Inter的使用效率和质量，同样影响着网络的健康发展。因此，基于此而产生的网络信息过滤技术相关研究具有巨大的社会效益和经济效益。 网络信息过滤，就是根据用户的信息需求，利用的工具从大规模的动态信息流中自动筛选出满足用户需求的信息，同时屏蔽掉无用的信息的过程。广义的信息过滤包括对文本、音频、图像、视频等多种信息存在形式的过滤处理，狭义的信息过滤是特指对文本信息的过滤处理。本书相关研究就是针对文本信息过滤特别是中文文本信息过滤中存在的问题而提出的。 本书面向从事自然处理、
在学习和研究机器学习的时候，面临令人眼花缭乱的算法，机器学习新手往往会不知所措。本书从算法和Python语言实现的角度，帮助读者认识机器学习。 本书专注于两类核心的“算法族”，即惩罚线性回归和集成方法，并通过代码实例来展示所讨论的算法的使用原则。全书共分为7章，详细讨论了预测模型的两类核心算法、预测模型的构建、惩罚线性回归和集成方法的具体应用和实现。本书主要针对想提高机器学习技能的Python开发人员，帮助他们解决某一特定的项目或是提升相关的技能。
本书全面系统地讲解了MATLAB金融算法分析与应用，以及金融数据挖掘中的趋向和发展趋势指标，并结合具体的机器学习算法分析，让读者深入学习和掌握MATLAB金融数据机器学习算法。本书注重实战，通过大量的案例，帮助读者更好地理解书中的内容。 本书分为2篇，共15章。主要内容有：MATLAB入门与提高、MATLAB高级应用、时间序列数据处理、量化投资趋向指标、量化投资反趋向指标、BP神经网络工具箱上证指数预测、 BP神经网络工具箱多指标预测、RBF神经网络多指标预测、Hopfield神经网络多指标预测、马尔可夫（Markov）链上证指数预测、灰色理论下的上证指数预测、指数平滑下的上证指数预测、支持向量机SVM下的涨跌预测、贝叶斯（Bayes）网络多指标预测、Pareto多目标优化分析。 本书适合所有想全面学习MATLAB 金融分析算法的人员阅读，也适合各种量化投资开发人
Python是一种面向对象、解释型计算机程序设计语言，其应用领域非常广泛，包括数据分析、自然语言处理、机器学习、科学计算以及推荐系统构建等。 本书用Python语言来讲解算法的分析和设计。本书主要关注经典的算法，但同时会为读者理解基本算法问题和解决问题打下很好的基础。全书共11章。分别介绍了树、图、计数问题、归纳递归、遍历、分解合并、贪心算法、复杂依赖、Dijkstra算法、匹配切割问题以及困难问题及其稀释等内容。本书在每一章结束的时候均有练习题和参考资料，这为读者的自我检查以及进一步学习提供了较多的便利。在全书的结尾，给出了练习题的提示，方便读者进行查漏补缺。 本书概念和知识点讲解清晰，语言简洁。本书适合对Python算法感兴趣的初中级用户阅读和自学，也适合高等院校的计算机系学生作为参考教材来阅读。
本书精选了科学和工程中常用的200余个算法，全部采用MATLAB语言编程实现，并结合实例对算法程序进行验证和分析。本发为上下两篇，上篇为MATLAB基础篇，主要介绍MATLAB的基本功能和操作以及MATLAB程序设计的入门知识，下篇为算法程序篇，主要讲述以下方面常用算法的MATLAB实现，包括插值，函数逼近，矩阵特征值计算。数值微分，方程求根，非线性方程组求解，解线性方程组的直接法，解线性方程组的迭代法，随机数生成，特殊函数计算，常微分方程的初值问题，偏微分方程的数值解法，数据统计和分析。 本书适用于初中高级MATLAB用户，既可以作为使用MATLAB的高等院校师生的教学用书或参考用书，又可以供广大科研人员和工程技术人员参考。
本书内容包括经典的算法设计技术，主要介绍数据结构和标准模板库、递归与分治策略、动态规划、贪心算法、回溯算法、分支限界算法、图的搜索算法、图论、数论和组合数学问题。本书包括大量的问题实例，并在北京大学、浙江大学和杭州电子科技大学在线题库中精选原题，详细地分析解题的方法，深入浅出地讲解用到的算法，章后的上机练习题也选自在线题库中的典型题目，供读者练习，以巩固所学算法。本书内容基本上涵盖了目前大学生程序设计竞赛所要掌握的算法。 本书结构清晰、内容丰富，适合作为计算机科学与技术、软件工程以及相关学科算法课程的教材或参考书，特别适合有志于参加信息学竞赛和ACM大学生程序设计竞赛的读者学习和训练。
很优化问题一直是计算机科学、人工智能和管理决策等领域广泛关注的一个问题。本书由浅入深地介绍了粒子群优化算法、差分进化算法、混洗蛙跳算法、人工蜂群优化算法、果蝇优化算法、人工免疫优化算法和量子衍生进化算
本书力求简明扼要地阐述云计算的基本概念，让非IT专业人士也能轻松看懂这一现在人人都能接触（以后程度会更深）的事物？？云计算。本书遵循一条由感性到理性、由浅入深的主线展开：首先采用情景描述，让外行的人对云计算也能产生感性认识；其次从计算机的基本知识开始逐步引出云计算的概念，使人产生理性认识；接着列举一系列生活中的典型云应用例子，让人们明白云计算给生活带来的确切好处；很后采用OpenStack搭建单节点和三节点方案让人们感受组建云计算中心的过程，以达到抛砖引玉之功效。本书可作为高等院校学生教材。
个性化推荐能够根据用户的历史行为显式或者隐式地挖掘用户潜在的兴趣和需求，并为其推送个性化信息，因此受到研究者的追捧及工业界的青睐，其研究具有重大的学术价值及商业应用价值，已广泛应用于大型电子商务平台、社交平台、新闻客户端以及其他各类旅游和娱乐类网站中。本书内容丰富，较全面地介绍了基于协同过滤的推荐系统存在的问题、解决方法和评估策略，主要内容涉及协同过滤推荐算法中的时序技术、矩阵分解技术和社交网络信任技术等知识。本书可供从事推荐系统、人工智能、机器学习、模式识别和信息检索等领域的科研人员及研究生阅读、参考。
本书内容按照算法策略分为7章。第1章从算法之美、简单小问题、趣味故事引入算法概念、时间复杂度、空间复杂度的概念和计算方法，以及算法设计的爆炸性增量问题，使读者体验算法的奥妙。第2～7章介绍经典算法的设计策略、实战演练、算法分析及优化拓展，分别讲解贪心算法、分治算法、动态规划、回溯法、分支限界法、线性规划和网络流。每一种算法都有4～10个实例，共50个大型实例，包括经典的构造实例和实际应用实例，按照问题分析、算法设计、完美图解、伪代码详解、实战演练、算法解析及优化拓展的流程，讲解清楚且通俗易懂。附录介绍常见的数据结构及算法改进用到的相关知识，包括sort函数、优先队列、邻接表、并查集、四边不等式、排列树、贝尔曼规则、增广路复杂性计算、zui大流zui小割定理等内容。 本书可作为程序员的学习用书，也适合
