本书是Springer统计系列丛书之一，旨在让读者深入了解数据挖掘和预测。随着计算机和信息技术迅猛发展，医学、生物学、金融、以及市场等各个领域的大量数据的产生，处理这些数据以及挖掘它们之间的关系对于一
本书在归纳分析国内外相关研究的基础上，从小波变换，轮廓变换，剪切波等多尺度变换，以及多尺度变换的子带选择等全新角度研究了图像纹理分类理论和方法，并且还对大数据图像纹理分析和分类问题进行了研究。主要内容包括《BR》（1）研究背景，对早期多尺度变换和图像纹理分类理论和方法给出一个概述性的总结；《BR》（2）对当前主要多尺度变换的理论框架进行总结性介绍《BR》（3）研究小波域直方图比对的纹理分类理论和方法《BR》（4）研究轮廓波域泊松混合模型，及其基于该模型的纹理分类方法；《BR》（5）研究基于轮廓波域聚类的纹理分类理论和方法《BR》（6）研究剪切波子带依赖性的线性回归模型，以及基于该模型的的纹理分类方法《BR》（7）研究轮廓波子带的统计特征提取方法，以及基于轮廓波域统计特征的纹理分类方法《BR》（8）研究了多
本书提出了时间序列混合智能辨识、建模与预测的理论和方法。内容分四篇共16章。 篇阐述了时间序列分析的重要性，从文献计量学的角度对时间序列的** 研究进展进行了归纳总结，系统阐述了当前 外主流时间序列辨识、建模与预测的计算策略和经典算法体系；第二篇介绍了铁路沿线风速混合智能辨识、建模与预测理论方法，包括基于特征提取的GMDH神经网络、长短期记忆深度网络、卷积门限循环单元网络、Boosting集成预测和Stacking集成预测模型；第三篇提供了智慧城市大气污染物浓度的特征分析方法及浓度时间序列建模与预测模型，包括点预测、区间预测、聚类混合预测和时空混合预测等理论；第四篇对金融股票价格时间序列进行特征提取与混合预测，包括贝叶斯统计预测模型、BP/Elman/RBF等神经网络预测模型、CNN/LSTM/BiLSTM等深度网络预测模型。本书提供了各类
本书系统深入地阐述了鸽群优化的起源、原理、模型、理论、改进及应用，力图概括该算法自提出以来的国内外**研究进展。全书共9章，主要包括鸽群优化思想起源和研究现状，鸽群优化机制原理、数学模型和实现流程，鸽群优化收敛性理论证明、首达时间及参数选择，鸽群优化模型改进，鸽群优化在任务规划、自主控制、信息处理、电气能控等领域的典型应用，以及鸽群优化研究前沿与展望。本书面向工程实际应用，突出前沿学科交叉，强调理论基础支撑，着眼优化技术发展，取材新颖，深入浅出，覆盖面广，系统性强，力求使广大读者能快速掌握和应用这一新兴的仿生群体智能优化方法。
基本解方法 早由V.D. Kupradze 在文章Potential methods in elasticity J.N.Sneddon 和 R.Hill (Eds), Progress in Solid Mechanics, Vol.III, Amsterdam, pp.1-259, 1963 中提出。自 1963 年开始，出现大量基本解方法的计算，但鲜有对基本解方法的分析。本书中，给出基本解方法的数值算法、特点，主要着力于建立其误差和稳定性的理论分析。 本书中的严格分析（以及源节点的选择）为MFS提供了坚实的理论基础，使其成为偏微分方程（PDE）的有效且称职的数值方法。内容源于作者已经发表的论文，本书介绍了MFS的基本和重要要素。
本卷收录了吴文俊的Mechanical Theorem Proving in Geometries:Basic Principles 一书。 书中论述初等几何机器证明的基本原理, 证明了奠基于各种公理系统的各种初等几何, 只需相当于乘法交换律的某一公理成立, 大都可以机械化。 因此在理论上, 这些几何的定理证明可以借肋于计算机来实施。 可以机械化的几何包括了多种有序或无序的常用几何、投影几何、非欧几何与圆几何等。 全书共分六章。 前两章是关于几何机械化的预备知识, 集中介绍了常用几何; 后四章致力于几何的机械化问题。 第3 章为几何定理证明的机械化与Hilbert 机械化定理, 第4, 5 章分别为(常用)无序几何的机械化定理和(常用)有序几何的机械化定理, 第6 章阐述各种几何的机械化定理。 本书可供数学工作者和计算机科学工作者以及高等院校有关专业的师生参考。
基本解方法最早由V.D. Kupradze 在文章Potential methods in elasticity J.N.Sneddon 和 R.Hill (Eds), Progress in Solid Mechanics, Vol.III, Amsterdam, pp.1-259, 1963 中提出。自 1963 年开始，出现大量基本解方法的计算，但鲜有对基本解方法的分析。本书中，给出基本解方法的数值算法、特点，主要着力于建立其误差和稳定性的理论分析。 本书中的严格分析（以及源节点的选择）为MFS提供了坚实的理论基础，使其成为偏微分方程（PDE）的有效且称职的数值方法。内容源于作者已经发表的论文，本书介绍了MFS的基本和重要要素。
本卷收录了吴文俊的Mechanical Theorem Proving in Geometries:Basic Principles 一书。 书中论述初等几何机器证明的基本原理, 证明了奠基于各种公理系统的各种初等几何, 只需相当于乘法交换律的某一公理成立, 大都可以机械化。 因此在理论上, 这些几何的定理证明可以借肋于计算机来实施。 可以机械化的几何包括了多种有序或无序的常用几何、投影几何、非欧几何与圆几何等。 全书共分六章。 前两章是关于几何机械化的预备知识, 集中介绍了常用几何; 后四章致力于几何的机械化问题。 第3 章为几何定理证明的机械化与Hilbert 机械化定理, 第4, 5 章分别为(常用)无序几何的机械化定理和(常用)有序几何的机械化定理, 第6 章阐述各种几何的机械化定理。 本书可供数学工作者和计算机科学工作者以及高等院校有关专业的师生参考。
本书提出了时间序列混合智能辨识、建模与预测的理论和方法。内容分四篇共16章。 篇阐述了时间序列分析的重要性，从文献计量学的角度对时间序列的** 研究进展进行了归纳总结，系统阐述了当前 外主流时间序列辨识、建模与预测的计算策略和经典算法体系；第二篇介绍了铁路沿线风速混合智能辨识、建模与预测理论方法，包括基于特征提取的GMDH神经网络、长短期记忆深度网络、卷积门限循环单元网络、Boosting集成预测和Stacking集成预测模型；第三篇提供了智慧城市大气污染物浓度的特征分析方法及浓度时间序列建模与预测模型，包括点预测、区间预测、聚类混合预测和时空混合预测等理论；第四篇对金融股票价格时间序列进行特征提取与混合预测，包括贝叶斯统计预测模型、BP/Elman/RBF等神经网络预测模型、CNN/LSTM/BiLSTM等深度网络预测模型。本书提供了各类
