本教材以基础、应用、实践、创新的教学体系为框架，通过丰富的案例教学、基于Python进行实践操练，使读者更加容易理解基本理论，增加直观性、趣味性及应用性，提高读者解决实际问题的能力。本教材主要内容包括事件与概率、条件概率、一维随机变量及其、多维随机变量及其分布、随机变量函数的分布、数字特征、大数定律与中心极限定理、数理

本书是模式识别和场景分析领域奠基性的经典名著。在第2版中，除了保留了第1版中关于统计模式识别和结构模式识别的主要内容以外，读者将会发现新增了许多近25年来的新理论和新方法，其中包括神经网络、机器学习、数据挖掘、进化计算、不变量理论、隐马尔可夫模型、统计学习理论和支持向量机等。作者还为未来25年的模式识别的发展指明了方向

本书分为14个章节，内容分别为绪论、GWO算法概述、反向学习和差分变异的GWO算法、随机反向学习和MEPD的强化等级制度的GWO算法、趋优反向学习和随机反向空置算子的GWO算法、混合差分进化的GWO算法、基于DE全局最优和随机学习的GWO算法、混合鲸鱼优化的GWO算法、精简差分扰动GWO算法与均值榜样学习PSO算法的混

概率论与数理统计是研究随机现象及其统计规律性的学科，是高等学校各专业开设的基础学科。本书系统地介绍了概率论与数理统计的概念、方法、理论及应用。本教材的第一部分概率论部分，主要是对随机现象统计规律演绎的研究，内容包括：第一章随机事件与概率，第二章随机变量及其分布，第三章多维随机变量及其分布，第四章随机变量的数字特征，第五

本书系统地介绍集合论、近世代数、点集拓扑、泛函分析、Fourier分析、分布理论、微分几何等近代应用数学的基本内容，及其在自然科学领域中的应用。书中强调对近代数学基本概念的理解、对重要论证方法的思路分析，以培养读者掌握并应用近代应用数学工具解决本专业的实际问题。20世纪初期至今的百余年中，数学科学与自然科学诸领域相辅相

本书介绍了概率论与数理统计的基本概念、理论和方法。本书主要分为两个部分：第一部分为概率论，内容包括随机事件和概率，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；第二部分为数理统计，内容包括抽样分布，参数估计和假设检验。同时，书中教学例题的配备注重了学习难度的循序渐进，并分节选编了题

本书以几类随机系统为研究对象，对数值方法的稳定性和系统的稳定性进行了分析，主要研究了一类半线性随机比例微分方程的均方稳定性问题，并证明了此条件下指数Euler方法对任意非零步长可以保持均方稳定性。进一步对一类Poisson白噪声激励下随机延迟微分方程的稳定性进行研究，获得了稳定性的充分条件。并进行了相应的数值分析。随后

本书内容分为理论和实践两块，具体如下：(1)理论部分：数据分析的核心方法是统计，该部分介绍了统计基础理论和基本方法，包括了数据分析概述，数据的搜集、整理与显示，综合数据分析，动态数列分析等相关知识。(2)实践部分：数据分析实践的有效工具是Excel和SPSS，该部分通过社会调查、财务、电商、物流五个项目介绍了用这两个软

在本书中，我们设计了快速分裂算法用于求解几类在管理科学与工程中有重要应用的优化决策问题，并分析了算法的理论性质和收敛速度。提出了一种可实现的光滑化精确惩罚方法来求解这类问题，其中算法的子问题可通过临近交替线性化最小化方法来近似求解。在扩展MPEC-NNAMCQ的约束品性下，所提出的方法被证明能收敛到MPEC问题的M-稳

本书基于基础理论与编程并重的理念，系统介绍了有限单元法概述、弹性力学基础、平面三节点三角形单元有限元及编程、平面四边形等参单元有限元及编程、空间轴对称及三维问题有限元等基础理论，并介绍了有限元软件ANSYS及典型应用算例。为便于读者学习，本书力求详细讲解基本原理，细化理论公式推导过程，在各章节均安排了例题与课后习题，并