本书主要介绍了模式识别的相关内容，涉及模式识别的基本概念、聚类分析、线性判别函数、贝叶斯分类器、特征选择和提取、非参数模式识别方法、神经网络模式识别方法、模糊模式识别方法、句法模式识别方法，以及新型模式识别方法，如决策树方法、支持向量机方法、粗糙集方法等一些基本方法，并介绍了基于遗传算法、模拟退火算法和禁忌搜索算法进行

该书是针对理工科高年级学生编写的控制系统基础理论教科书。该书详细论述了控制系统的状态空间分析的基本方法及状态空间综合的基本理论与方法。包括状态空间模型的建立，状态方程的求解，线性控制系统的能控性和能观测性及状态反馈与状态观测器设计，控制系统的李雅普诺夫稳定性分析等基本内容。另外，为了加强实践环节的教学，最后一章是MAT

本书共5章,前4章分别介绍控制系统的状态空间模型及其建立问题、线性系统的状态解和输出响应解、线性系统的能控性和能观性与结构分解及其应用、控制系统的李雅普诺夫稳定性理论，最后一章着重讨论控制系统极点配置、观测器设计、系统解耦镇定等综合理论。

本书广泛吸取统计学、神经网络、数据挖掘、机器学习、人工智能、群智能计算等学科的先进思想和理论，将其应用到模式识别领域中；以一种新的体系，系统、全面地介绍模式识别的理论、方法及应用。全书分为14章，内容包括：模式识别概述，特征的选择与优化，模式相似性测度，基于概率统计的贝叶斯分类器设计，判别函数分类器设计，神经网络分类器

本书前几章着重讨论监督学习即已知训练样本及其类别条件下分类器的设计方法。在此之后介绍无监督模式识别，然后讲解模式识别系统中，特征提取和选择的准则和算法。第二部分介绍现代模式识别，其中包含支撑矢量机、组合分类器以及半监督学习。第三部分中讨论了深度学习模式识别。从现有的深度神经网络出发再到强化学习、宽度学习、图卷积网络等。

本书对线性系统理论的基础内容作了循序渐进的阐述，内容精炼、重点突出、论证严谨、可读性好，强调基础理论与工程应用的有机结合。全书共9章，内容包括：学科领域的发展简史；系统的概念、原理及描述方法；数学基础；线性系统的运动分析、实现理论及其计算机运算和实际工程实现问题分析；系统的稳定性理论；能控性和能观性分析，揭示认识系统和

线性系统理论是控制科学领域的一门重要的基础课程。本书以线性系统为研究对象，对线性系统的时域理论进行了全面的论述。主要内容包括系统的数学描述、线性系统的运动分析、线性系统的能控性和能观测性、传递函数矩阵的状态空间实现、系统运动的稳定性、线性系统的状态反馈与状态观测器等。本书是为本科生“现代控制理论”课程编写的教材，内容丰

线性系统理论是建立在状态空间法基础上的一种控制理论，是现代控制理论*为基本和比较成熟的一个分支，其不仅描述了系统输入-输出之间的外部关系，还揭示了系统内部的结构特征。本书反映当前技术发展的主流和趋势，以加强基础、突出应用为思路，以培养学生分析和解决问题的工程创新能力为原则，详细介绍了基于状态空间描述的线性系统分析和综合

本书是为“应用型工科”控制类相关专业学生和非控制类学科的硕士研究生学习“现代控制技术和方法”而撰写的教材｡线性系统理论是现代控制理论的基础,也是目前理论上完善､技术上成熟､工程应用广泛的内容｡本次修订除对原书第3版的部分章节内容改写外,还增写了“优控制”的有关内容

本书从工程应用角度出发，以线性系统理论和最优控制为主线，介绍现代控制理论的基本方法。其中，线性系统理论部分主要阐述状态空间分析法和综合法的基本内容，包括动态系统的状态空间描述、动态系统的定量分析（状态方程的解）和定性分析（能控性、能观测性、李亚普诺夫稳定性）、动态系统的综合（状态反馈与状态观测器设计）；最优控制部分在介