《计算机视觉：算法与应用》探索了用于分析和解释图像的各种常用技术，描述了具有一定挑战性的视觉应用方面的成功实例，兼顾专业的医学成像和图像编辑与交织之类有趣的大众应用，以便学生能够将其应用于自己的照片和视频，从中获得成就感和乐趣。《计算机视觉：算法与应用》从科学的角度介绍基本的视觉问题，将成像过程的物理模型公式化，然后在此基础上生成对场景的逼真描述。作者还运用统计模型来分析和运用严格的工程方法来解决这些问题。 《计算机视觉：算法与应用》作为本科生和研究生 计算机视觉 课程的理想教材，适合计算机和电子工程专业学生使用，重点介绍现实中行之有效的基本技术，通过大量应用和练习来鼓励学生大胆创新。此外，《计算机视觉：算法与应用》的精心设计和编排，使其可以作为计算机视觉领域中一本独
本书共13章，第1章引入了微服务架构模式语言的概述；第2章解释了为什么软件架构很重要，并描述了可用于将应用程序分解为服务的模式；第3章介绍了微服务架构中强大的进程间通信的几种模式；第4章介绍Saga模式；第5章介绍领域驱动设计（DDD）的聚合和领域事件等模式的使用；第6章介绍如何使用事件溯源模式；第7章介绍如何使用 API 组合模式或命令查询责任隔离（CQRS）模式；第8章介绍外部 API 模式；第9章和第10章介绍微服务自动化测试技术；第11章介绍开发生产就绪服务的各个方面；第12章介绍部署模式；第13章介绍绞杀者模式。
本书图文并茂、通俗易懂，详细讲解数据结构和算法进阶知识，并融入大量的竞赛实例和解题技巧，可帮助读者领悟数据结构和算法的精髓，并熟练应用其解决实际问题。 本书总计8章。第1章讲解数据结构进阶知识，涉及分块算法和跳跃表；第2章讲解字符串算法进阶知识，涉及AC自动机和后缀数组；第3章讲解树上操作，涉及树链剖分、点分治和边分治；第4章讲解复杂树，涉及KD树、左偏树、动态树和树套树；第5章讲解可持久化数据结构，涉及可持久化线段树和可持久化字典树；第6章讲解图论算法进阶知识，涉及EK算法、Dinic算法、ISAP算法、二分图匹配、最大流最小割和最小费用最大流；第7章讲解动态规划进阶知识，涉及背包问题进阶知识和树形DP进阶知识；第8章讲解复杂动态规划及其优化，涉及数位DP、插头DP、斜率优化和四边不等式优化。 本书面向对数据结
这是一本关于 高级/进阶 算法和数据结构的图书，主要介绍了用于Web应用程序、系统编程和数据处理领域的各种算法，旨在让读者了解如何用这些算法应对各种棘手的编码挑战，以及如何将其应用于具体问题，以应对新技术浪潮下的 棘手 问题。 本书对一些广为人知的基本算法进行了扩展，还介绍了用于改善优先队列、有效缓存、对数据进行集群等的技术，以期读者能针对不同编程问题选出更好的解决方案。书中示例大多辅以图解，并以不囿于特定语言的伪代码以及多种语言的代码样本加以闸释。 学完本书，读者可以了解高级算法和数据结构的相关内容，并能运用这些知识让代码具备更优性能，甚至能够独立设计数据结构，应对需要自定义解决方案的情况。 本书可作为高等院校计算机相关专业本科高年级学生以及研究生的学习用书，也可供从事与算法相关工作
《算法竞赛入门经典》： 《算法竞赛入门经典》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、CH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》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
本书定位于夯实数学建模基础，采用主流编程方法和简洁代码实现常用的数学建模算法，以案例为导向，围绕数学建模知识体系展开。全书分5篇，共11章。前两章是数学建模基础篇，包括数学建模介绍、数学建模的一般流程（初等模型）、如何从算法到编程实现（层次分析法与自定义函数）；接着按算法板块组织内容，包括微分方程模型篇（人口模型、传染病模型）、优化模型篇（规划模型、投资优化策略、优化模型进阶）、评价模型篇（经典评价模型、模糊理论）、预测模型篇（常规预测模型、时间序列分析）。本书有配套源码资源和电子课件。 本书可作为高等院校数学建模的入门教材，也可作为数学建模指导教师的参考资料，还可作为其他相关行业人员、科研人员使用数学模型解决实际问题的参考用书。
《算法竞赛入门经典（第2版）》： 核心算法理论书，系统地讲解C/C 语言基础知识，数据结构知识，以及信息学奥赛和ACM/ICPC中的常考必考算法知识点、技巧和剖析。适合零基础的初学者学习。 《算法竞赛入门经典 训练指南》： 针对更多的算法竞赛题型进行横向拓展，提供更广范围内的算法讲解和训练， 覆盖面广，点到为止，注重代码 是该书的特点。 《算法竞赛入门经典 习题与解答》： 《算法竞赛入门经典（第2版）》的配套习题详解，针对其中的多数习题进行了算法分析和代码解析，使其更简单、易学，可快速提升读者的算法思维能力。 《算法竞赛入门经典 算法实现》： 竞赛备考工具书，ACM/ICPC/NOI等经典算法、题型全覆盖，提供240余套简洁、高效、规范的模板代码。
本书图文并茂、通俗易懂，详细讲解常用的算法知识，又融入大量的竞赛实例和解题技巧，可帮助读者熟练应用各种算法解决实际问题。本书总计8章。第1章讲解STL，涉及双端队列、优先队列、位图、集合、映射和STL中的常用函数；第2章讲解实用的数据结构，涉及并查集、倍增、稀疏表、区间最值查询、最近公共祖先、树状数组和线段树；第3章讲解查找算法，涉及散列表、字符串模式匹配和字典树；第4章讲解平衡树，涉及树高与性能、平衡二叉搜索树、树堆和伸展树；第5章讲解图论提高方面的知识，涉及连通图与强连通图、桥与割点、双连通分量的缩点和Tarjan算法；第6章讲解图论算法，涉及最小生成树、最短路径、拓扑排序和关键路径；第7章讲解搜索算法提高方面的知识，涉及剪枝优化、嵌套广度优先搜索、双向广度优先搜索和启发式搜索；第8章讲解动态规划
《因果推理：基础与学习算法》从概率统计的角度入手，分析了因果推理的假设，揭示这些假设所暗示的因果推理和学习的目的。本书分别论述了两个变量和多变量情况下的因果模型、学习因果模型及其与机器学习的关系，讨论了因果推理隐藏变量有关的问题、时间系列的因果分析。 《因果推理：基础与学习算法》可作为高等院校人工智能和计算机科学等相关专业高年级本科生和硕士研究生的教材，也可供研究机器学习、因果推理的技术人员参考。
本书是NOIP算法竞赛的入门教材，重点介绍算法设计竞赛的相关知识体系，将C/C 语言、算法和解题有机地结合在一起，注重理论与实践相结合，着重培养学生的计算思维能力。 本书内容涵盖了NOIP竞赛普及组和提高组所需掌握的绝大部分知识点、常见的算法分析设计及实现技巧和方法，主要内容包括计算机的基础知识，算法描述、设计工具，C/C 程序设计语言，数据结构及其相关基础算法，算法设计技术基础，数论、概率论及组合数学基础等。本书以历年相关竞赛常见考试题型及题例作为例题解析和习题。书中的绝大部分代码规范、简洁、易懂，不仅能帮助读者理解信息技术中的算法原理，在掌握各类经典算法的同时还能学会很多实用的编程技巧，提高分析解决实际问题的能力。 本书可作为全国青少年信息学奥林匹克联赛(NOIP)初/复赛、全国青少年信息学奥林匹克
本书介绍在嵌入式系统中的机器学习算法优化原理、设计方法及其实现技术。内容涵盖通用嵌入式优化技术，包括基于SIMD指令集的优化、内存访问模式优化、参数量化等。并在此基础上介绍了信号处理层面的优化，包括AI推理算法及基于神经网络的AI算法训练-推理联合的优化理论与方法。其中信号处理层面优化包括了基于线性代数的快速近似算法、基于多项式的快速卷积构造技术、基于数据二进制结构的快速乘法算法等；在AI推理层面，介绍了机器学习推理模型共性结构、运算图中各个算子的计算优化途径；另外对基于神经网络AI算法，阐述了如何将推理阶段的运算量约束以及底层数据量化约束加入训练代价函数，从算法训练端减少运算量以提升AI嵌入式系统的运行效率；此外本书还通过多个自动搜索优化参数并生成C代码的例子介绍了通用的嵌入式环境下机器学习
本书以MATLABR2020a软件为基础，详细介绍各种智能算法的原理及MATLAB在智能算法中的应用，是一本MATLAB智能算法设计的综合性参考书。全书以智能算法原理及MATLAB应用为主线，结合各种应用案例，详细讲解智能算法在MATLAB中的实现方法。 全书共分为3部分：第一部分为基础知识；第二部分介绍经典的智能算法及其在MATLAB中的实现方法，包括遗传算法、免疫算法、蚁群算法、粒子群算法、小波分析、神经网络算法和模糊逻辑控制等内容；第三部分详细介绍智能算法在工程中的应用，包括模糊神经网络在工程中的应用、遗传算法在图像处理中的应用、神经网络在参数估计中的应用、基于智能算法的PID控制器设计等内容。 本书以工程应用为目标，内容讲解深入浅出、循序渐进，既可作为高等院校理工科相关专业研究生、本科生的教材，也可作为广大科研工程技术人员的参
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。
本书系统地介绍了X86、龙芯、飞腾架构下的UEFI应用和驱动开发，系统调试专家、《软件调试》作者张银奎，以及UEFI专家、《UEFI原理与编程》作者戴正华联袂推荐。 本书以项目开发为导向，采取 近实战，多实例 的方式，细致深入地介绍了UEFI应用和驱动开发相关的知识。 第1～3章，介绍了UEFI系统的组成、启动过程，在各种操作系统中搭建和调试开发环境的方法，以及UEFI应用和驱动开发的基本方法。 第4～10章以实际的开发实践为索引，介绍了图形图像开发、汉字显示、GUI构建、访问PCI/PCIE设备、访问SMBus设备、访问串口设备、实现USB通信和网络通信等内容。这部分以贴近实际开发的方式来构建实例，并深入剖析相关硬件协议及其在UEFI上的实现。 第11章和第12章，讲解了龙芯和飞腾架构，以及如何在这两类国产处理器上进行UEFI软件开发。
本书基于MATLAB 2020a软件，根据常用优化算法进行编写，包含多种优化算法的MATLAB实现方法，可以帮助读者掌握MATLAB在优化算法中的应用。 全书分为4部分，包括MATLAB基础知识、常规优化算法、智能优化算法和拓展应用。第一部分从初识MATLAB开始详细介绍MATLAB基础、程序设计、图形绘制等内容；第二部分介绍线性规划、非线性规划、无约束一维极值、无约束多维极值、约束优化方法、二次规划、多目标优化方法的MATLAB实现；第三部分介绍遗传算法、免疫算法、粒子群优化算法、小波变换、神经网络等在MATLAB中的实现；第四部分介绍MATLAB在分形维数和经济金融优化中的应用。 本书以MATLAB优化实现为主线，结合各种优化算法函数的说明、优化模型案例的讲解，使读者易看懂、会应用。本书讲解翔实，深入浅出，既可作为高等院校数学建模和数学实验的参考教材，也可作
本书从一系列有趣的生活实例出发，全面介绍了构造算法的基础方法及其广泛应用，生动展现了算法的趣味性和实用性。书中介绍了算法在多个领域的应用，如图像处理、物理实验、计算机图形学、数字音频处理、机器学习等。其中，既有各种大名鼎鼎的算法，如神经网络、遗传算法、离散傅里叶变换算法、KNN、贝叶斯算法，也有不起眼的排序和概率计算算法。本书讲解浅显易懂而不失深度和严谨，对程序员有很大的启发意义。书中所有示例都与生活息息相关，充分地展现了算法解决问题的本质，让你爱上算法，乐在其中。本书在第1版的基础上新增了图像处理算法、游戏开发中检测碰撞常用的分离轴 （SAT）算法、垃圾邮件过滤相关的算法、中文分词算法、限流算法、手写数字识别和变声器等，进一步提升趣味性。 本书适合软件开发人员、编程和算法爱好者以及
内容介绍 本书基于Python全面介绍了机器学习在信贷风控领域的应用与实践，从原理、算法与工程实践3个维度全面展开，包含21种实用算法和26个解决方案。 作者是智能风控、人工智能和算法领域的专家，曾在多家知名金融科技企业从事风控算法方面的研究与实践，经验丰富，本书得到了风控领域9位专家的高度评价。 全书一共8章，每个章节都由问题、算法、案例三部分组成，具有系统性和实战性。 第1-2章讲解了信贷业务的基础知识以及常用的规则引擎、信用评估引擎的建模方法。 第3章以项目冷启动为背景，讲解了风控领域应用广泛的迁移学习方法。 第4-5章介绍了幸存者偏差与不均衡学习中所使用的无监督学习与半监督学习方法。 第6章阐述了无监督的异常识别算法，该算法常用于数据清洗与冷启动项目，是反欺诈引擎中常用的个体欺诈检测方法。 第7章分享了一
这是一本可帮助读者深度理解并全面掌握ClickHouse运行原理并进行实践开发的工具书，涵盖了ClickHouse的时代背景、发展历程、核心概念、基础功能、运行原理、实践指导等多个维度的内容，尤其是在ClickHouse*核心的部分 MergeTree表引擎与分布式方面，书中对其实现原理和应用技巧进行了详细解读。 本书采用浅显易懂的语言 大量演示案例 大量示意图例的形式呈现，以求让读者在*短的时间内，以*舒服的方式，获得*核心的知识。本书的理论观点来自作者在OLAP领域10余年的工作思考与总结；功能与实操的素材来自作者在工作中对ClickHouse的深度应用与实践；原理解析部分的素材来自对大量专业文献的钻研与源码级的调试与解读。 本书在逻辑上分为三大部分： 第1~2章从宏观的角度出发，描述了时代背景、ClickHouse的发展历程及其核心特点。其中，对MOLAP、ROLAP和HORAP三
