"多元统计分析在多个领域展现广泛的应用价值。本书主要介绍多元统计分析的相关内容，包括随机向量、多元正态分布、统计推断、多元线性回归、主成分分析、因子分析、聚类分析、判别分析、分类神经网络、路径分析和结构方程等。书中主要的多元统计方法都以常用的统计软件SPSS和JMP作为求解运算与分析工具。

本书既可作为高等院校工科类和经济管理类本科高年级和硕士的教材，也可作为各类经济管理人员的参考用书。"

本书介绍了概率论与数理统计的基本概念、基本理论、方法与应用。内容包括：概率论的基本概念、随机变量及其分布、多维随机变量及其分布、随机变量的数字特征、大数定律与中心极限定理、数理统计的基本概念、参数估计、假设检验、方差分析和回归分析。每章最后一节为概率论与数理统计相关内容的MATLAB实现。本书的主要知识点均配套讲解视频，每章配有思维导图、小结、数学家故事、基础练习题。部分章节收录了历年硕士研究生招生考试试题。本书既便于教师教学，又利于学生复习。

"本书以计算思维为主线介绍计算机科学的入门知识，主要针对计算机类专业一年级本科生的“计算机科学导论”“大学计算机基础”等课程。
全书共8章，主要内容包括计算机概述、计算机中信息的表示、操作系统、Python编程基础、算法与数据结构、数据库原理及应用、计算机网络技术、计算机新技术等。本书参考了《计算课程体系规范》（CC2020），更加系统地聚焦如何通过计算机相关基础知识的学习培养计算思维，同时注重让读者通过计算思维认识世界、提出问题、解决问题，内容的组织更加注意循序渐进地培养读者的创造性学习

本书模式识别理论与实践学习的立体教程，针对的读者是具有一定数理知识的从业人员。通过本书的学习，读者能够熟练掌握模式识别的基础知识、基本方法和工程应用。本书主要包括模式识别的基本概念、贝叶斯决策理论、概率密度函数的参数估计、非参数判别分类方法、聚类分析、特征提取与选择、模糊模式识别、神经网络、深度学习。最后是项目实战，系统讲解三个模式识别的工程应用项目项目：中文文本识别、人脸识别、图像识别。每章的内容安排从问题背景引入，系统讲述基本原理、方法和实践应用（通过Python软件编程）。本书适合作为高等

"《**控制与工程博弈论》主要以数学描述的方式阐述**控制理论的研究内容，由具体的实例引出相关的控制问题，再利用学生熟知的数学工具严谨地推算出问题的解决过程，并对控制问题的具体实例进行了严格的数学公式推导。此外，书中引用了大量的工程实例，并对每个实例进行了详细的数学描述，理论与实际结合。
本书可供自动化、力学、计算机等相关领域高校师生和科研院所研究人员及技术人员阅读参考。
"

本书系统地阐述了线性平稳和非平稳时间序列分析的基本理论、建模方法和预测理论，并且介绍了几种比较流行的非线性时间序列分析方法和常见的确定性时间序列分析方法.结合作者多年的时间序列分析教学和研究的体会，书中各种模型的理论阐述较为全面而深入，但又没有过多的数学推导.每类模型都配备有例题、习题和实际应用案例，几乎所有实际应用案例使用的都是最新的实际数据，并在附录中解读了建模的软件操作步骤.学习本书，读者可以快速掌握各种时间序列分析方法的核心，并能将它们运用于实践.本书可以作为统计学、数学与应用数学等专业

本书涵盖数值分析、统计计算的核心内容，既包含一些经典的数值方法，又系统地介绍了统计计算中的新方法。本书共8章，内容包括计算统计引论、矩阵计算、函数逼近与最小二乘法、方程与方程组的数值解法、数值积分与数值微分、马尔可夫链蒙特卡洛模拟、EM优化算法、组合优化与启发式算法等。
本书结合理论算法、计算机程序与计算机专业领域应用案例，较为全面地介绍数值计算方法和统计计算方法，让学生真正了解计算统计中重要算法的基本思想，掌握相关程序的编写和培养学生的编程思维，使其具备解决复杂工程问题的能力。

本书内容包括随机事件及其概率、随机变量及其概率分布、多维随机变量及其概率分布、随机变量的数字特征、大数定律及中心极限定理和数理统计初步等内容。在内容的选取上注重学生的逻辑推理能力及解决应用问题能力等数学应用能力的培养, 适当数学淡化理论的严密性和抽象概念。删除了传统教材中难而繁的内容, 保留了理工科各专业所需要的最基本内容, 重在锻炼学生的学以致用的能力, 即不仅关注理论知识的传授更注重实用技能的培养。本书在学习过程中塑造学生正确的世界观、人生观、价值观, 真正实现价值塑造、知识传授和能力培养融

本书面向人工智能相关专业（智能科学与技术、控制科学与工程、计算机科学与技术）的本科生，以从人工智能角度理解模式识别和用模式识别原理解决工程问题为目标，将内容分为基础知识、模式分类和模式聚类三大部分，突出简明和实用的特点。书中穿插大量案例，可以帮助学生在掌握基本概念的基础上理解基本原理，熟悉典型方法，做到知其然，知其所以然。本书注重引导学生充分利用样本数据库和算法库等各种网络资源，通过课程学习、案例计算和算法实现，分析来自生产和生活实际中的模式识别问题，采用合适的模式识别算法和技术，通过Py

数值分析作为计算数学的基础研究领域之一，关注一些基础共性问题的计算方法。它通过对问题近似建模，提出解决方案，并将这些方案用计算机程序实现，同时对算法进行理论分析。作为计算数学专业的基础课程，数值分析致力于培养学生设计、分析及提升算法的能力。本书的内容以多项式近似为核心线索，涵盖从多项式插值和逼近到数值微分、积分，再到常微分方程数值解的应用等。