本书共有九章，包括函数与数学模型、极限与连续、一元函数的微分及其应用、一元函数的积分及其应用、常微分方程、多元函数微积分、级数、线性代数、概率论与数理统计。

　　《高等应用数学（第3版）上册》是根据教育部制定的《高职高专教育高等数学课程教学基本要求》，在认真总结高职高专院校数学教学改革经验的基础上，结合并参考国内同类教材的发展趋势编写而成的。
　　全书分上、下册，上册内容包括函数的极限与连续、导数与微分、导数的应用、一元函数积分学、定积分的应用、向量代数与空间解析几何简介、多元函数微分学、多元函数积分学基础，下册内容包括常微分方程、无穷级数初步、概率论与数理统计初步、线性代数初步、数学实验。上册书后附有：初等数学中的常用公式、几种常用的曲线

《现代数值分析》是为高等院校理工科研究生各专业开设的“数值分析”课程编写的教材, 内容包括函数插值、函数逼近、数值积分与数值微分、线性方程组的直接解法和迭代解法、非线性方程求根、矩阵特征值与特征向量、常微分方程初值问题的数值解法、傅里叶变换与小波变换、偏微分方程数值解初步. 全书注重算法数学理论的建立和应用, 最终实现工程问题的数学化、数学问题的数值化.

本书旨在讲述现代科学计算中常用的数值计算方法及其理论，包括插值法、数值积分和数值微分、非线性方程求根、线性方程组的迭代法和直接法、常微分方程的数值解法。每章都配有相应的习题和数值实验题，书末附有部分习题答案和相关附录。本书着重基本思想的阐述、内容的实用性和数值计算方法的应用。

《计算方法及其应用》主要介绍了数值计算方法的基本理论，内容包括计算方法的基本概念、函数的插值与拟合、数值积分和数值微分、非线性方程的数值解法、解线性方程组的直接法和迭代法、常微分方程的数值解法、矩阵的特征值和特征向量的计算。书中含有丰富的例题、习题和上机实验题。 《计算方法及其应用》可作为数学与应用数学、信息与计算科学、计算机科学与技术专业等本科生计算方法课程的教材或参考书，也可作为理工科研究生数值分析课程的教材或参考书。

本书主要介绍了线性方程组的数值解法、非线性方程（组）的数值解法、数值逼近（包括插值、三次样条和B样条、最小二乘法、最佳平方逼近与最佳一致逼近）、数值微积分、常微分方程初值问题和边值问题的数值解法以及矩阵特征值、特征向量的数值解法等内容。

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。并在*后，以实例的形式给出模式识别在各个领域中的应用，加深读者对模式识别方法更直观的认识。

　　《应用概率与数理统计（第2版）》是按照高等院校教学指导委员会关于概率统计课程的教学基本要求编写而成的，全书共分8章，前3章为概率部分，内容包括随机事件及其概率、随机变量及其分布以及数字特征；第4～7章为数理统计部分，内容包括抽样分布、参数估计、假设检验、回归分析；第8章为Excel在统计分析中的应用。《应用概率与数理统计（第2版）》的编写从实际问题出发，引入基本概念，注重讲清楚概率与数理统计处理问题的思想和方法，强调方法的应用。例题和习题尽量来源于学生熟悉的题材，叙述力求通俗易懂、

本书注重阐明概率论的基本概念、基本理论以及数理统计常用方法的背景和思想。全书主要包括大数定律和中心极限定理、数理统计的基本概念、参数估计、假设检验、回归分析、方差分析等内容，并通过配套的例题和习题，加强读者对基本理论和公式的理解和应用。

全书共分10章。第1章对回归分析的研究内容和建模过程给出综述性介绍；第2章和第3章详细介绍了一元和多元线性回归的参数估计、显著性检验及其应用；第4章对违背回归模型基本假设的异方差、自相关和异常值等问题给出了诊断和处理方法，在这一章增加了BOX-COX变换；第5章介绍了回归变量选择与逐步回归方法；第6章就多重共线性的产生背景、诊断方法、处理方法等方面结合实际经济问题加以讨论；第7章介绍的岭回归估计是解决共线性问题的一种非常实用的方法；第8章介绍了主成分回归与偏最小二乘；第9章介绍了可化为线性回归的