本书对产品设计中的人因工程学展开论述，以6个章节介绍了人因工程学的发展历史和研究内容，人体测量与数据运用，产品设计中的人的信息加工、工作负荷、人机交互界面，以及人因工程学在多种类型的产品设计中的应用等，每部分从概念入手展开论述，条分缕析，结合案例解析，配合大量草图、效果图、图表等呈现设计过程和结果，逻辑结构清晰，概念明确，论述充分，并融入时代前沿产品设计和当下热点问题，紧跟时代潮流，是非常好的专业教材。

移动机器人是一个集环境感知、导航定位、路径规划、动态决策、视觉分析与行为控制等功能于一体的复杂系统，能够实现全方位、全时域、全天候的巡查监视，可大幅提升智能化和信息化管理水平。本书紧紧围绕移动机器人导航定位、视觉分析两大核心功能展开讨论，主要内容包括机器人视觉导航定位与智能视觉分析技术介绍、传统视觉定位算法、基于深度学习的视觉定位算法、基于深度学习的视觉闭环检测算法、视频序列运动目标分割算法、视频序列目标行为识别算法。本书详细介绍了相关算法的研究背景、理论基础和算法描述，并给出了相应的

图像去雾技术能够将真实场景下受雾霾天气影响的降质图像进行恢复，从而使其更好地应用于目标检测、语义分割、行人重识别等高级视觉任务，具有重要的研究意义和应用前景。本书创新地将知识蒸馏理论应用于图像去雾领域，有效解决了图像去雾过程中存在的去雾图像颜色失真严重、训练模型网络结构复杂、去雾模型泛化能力不足、真实场景去雾性能较差等问题。本书主要内容包括雾天图像形成机理、图像去雾相关技术、知识蒸馏基础理论以及基于知识蒸馏的图像去雾算法等，系统介绍了相关方法的研究背景、理论基础和算法描述，并给出了相应

本书以增强信息意识和提高科研素养为导向，阐述了信息素养的基本内容，包括定义、组成要素、评估标准、教育现状等相关知识和基础理论；同时系统地介绍了中外文学术数据库、特种文献、专题数据等的基础知识及常用的检索工具和检索方法；此外，也介绍了学术论文的写作与投稿、个人文献资料管理与文献管理工具NoteExpress的使用、知识产权与学术道德规范的相关内容。

本书全面、系统地介绍了信息、文献、信息检索、数据库、知识管理等的基础理论和基本方法。在阐述信息素养相关知识的基础上，由浅入深地介绍了文献的基本理论以及信息检索的工具、流程与技术，随后介绍了图书、中文学术数据库、特种文献、数据等常用的检索工具和检索方法，同时介绍了知识管理的相关内容与工具、学位论文的写作流程与规范等。全书简明扼要、由浅入深、案例丰富，旨在帮助读者提高信息意识，培养终身学习能力。

本书从基础理论和案例实践的角度介绍了高净值家庭财富管理规划中不可缺少的国际寿险架构工具，汇集全球主流司法管辖地寿险知识和法规的精华内容，以考助学，学以致用，旨在帮助财富从业者“打破边界、放眼国际”和“架构思维用寿险”(寿险、税务、信托)，从不断提升业绩到以客户利益为导向，走上成为有运用能力的优秀国际寿险架构师(InternationalLifeInsuranceCounselor，简称LIC)道路，建立起保险业的全球视野。

本书汲取了当今国内外行政学研究的最新成果，特别是借鉴和评析了20世纪末21世纪初以来西方发达国家行政学研究的新观点、新方法，以全新的视角、开阔的视野，系统阐述了行政组织、行政领导、行政决策、行政沟通、行政心理、行政监督、机关管理、人事行政、财务行政、行政立法、行政伦理、行政文化与行政发展等行政学基本理论，阐明了行政现代化的发展趋势。第四版将在前几版的基础上，更新增加更多本土案例及分析，增加学科发展的一些新内容。

本书分别介绍了物流管理信息系统的相关概念，包括系统和信息、物流信息及物流管理信息系统；物流管理信息系统中用到的核心技术，按照物流信息的输入、处理、输出的过程；物流信息的自动识别技术，物流信息的存储技术——数据库技术和数据仓库技术，物流信息的网络通信技术——互联网技术、EDI技术以及物联网，物流位置信息的跟踪及处理技术——GPS技术和GIS技术；物流管理信息系统开发的概述，包括物流管理信息系统进行规划与开发的策略及方法，还介绍了物流管理信息系统规划阶段的成果——可行性研究报告的组成；以结

《运动心理技能训练》是一门研究运动员心理控制和调节的理论与方法的科学，是培养运动心理学和体育学专业人才所必须开设的一门专业核心课程。本教材为课程配套教材，学生通过本课程的学习，能够全面理解心理技能训练的基本理论，系统掌握心理技能训练方法，熟练使用心理技能训练方法解决运动实践中的心理问题，具有从事心理训练与咨询、运动心理学教学、帮助卓越表现提升的能力。 本教材主要包括绪论、运动心理训练研究方法、表象训练、注意技能训练、正念训练、紧张应激控制训练、放松训练、目标设置训练、运动动机培养与激发、运动心理

本书系统阐述了机器学习的基本理论、算法和实现。全书共11章：第1章着重介绍了机器学习的基本知识；第2章介绍了样本数据预处理和提取的传统算法(如PCA和LDA)，并增加了流形学习和稀疏表征等理论；第3-8章系统介绍了传统机器学习算法，如监督学习(贝叶斯、最近邻、线性模型、非线性模型和集成学习)和非监督学习(聚类)；第9、10章分别介绍了概率图模型和人工神经网络的基本理论；第11章着重讲述了强化学习的基本理论和算法。本书针对理论难点，插入了可视化图，引导读者对理论的理解；每章配有习题，以便