本书是\"人工智能出版工程”系列图书之一。模式识别是人工智能的重要组成部分，本书简要介绍了模式识别的基本概念，以模式表示为切入点，针对近20年来模式识别领域研究的热点问题，系统阐述了线性子空间表示、非线性子空间表示、流形学习、稀疏表示、低秩模型、深度学习等方面的研究进展和相关代表性方法。本书可供高等院校人工智能、智能科

《模式识别基础理论及其计算机视觉应用/高等学校智能科学与技术专业系列教材》系统地介绍了模式识别的基本原理及其在计算机视觉中的具体应用。本书内容包括模式识别与计算机视觉概述、分类器、神经网络分类器、聚类分析、蚁群和粒子群聚类算法、时序模型、图像匹配、图像分类与分割以及视频动作识别等。《模式识别基础理论及其计算机视觉应用/

本书是作者在相关教材基础上，结合厦门大学自动化专业十余年的教学实践，进一步加工整理而成。本书分状态空间方法基础、线性状态方程的解、系统的可控性和可观测性、时不变动态系统的分解与实现、运动的稳定性和系统的状态反馈与观测器等模块，主要介绍线性系统理论的基本内容和方法，包括系统状态空间描述，线性系统分析与状态反馈综合。系统分

本书的目的是考虑大型且具有挑战性的多阶段决策问题，这些问题原则上可以通过动态规划和最优控制来解决，但它们的精确解决方案在计算上是难以处理的。本书讨论依赖于近似的解决方法，以产生具有足够性能的次优策略。这些方法统称为增强学习，也可以叫做近似动态规划和神经动态规划等。 本书的主题产生于最优控制和人工智能思想的相互作用。本

本书以现代控制理论为主要内容，强调现代控制理论和机械工程应用背景的结合，以及利用控制系统辅助软件进行系统分析和设计的能力。主要介绍现代控制理论中的核心内容一以状态空间为基础的线性系统分析和综合，并通过丰富的机电案例展现现代控制理论在机械工程中的具体应用。主要内容包括：控制系统的状态空间表达式；状态空间表达式的求解;控制

时变随机系统广泛存在于客观实际中,许多随机递推算法也可当作此类系统来研究.本书从理论上对这类系统的稳定性、自适应估计与自适应控制问题进行了统一的论述.全书共8章,既包含常用的稳定性与镇定性的经典结果,又侧重介绍基本的自适应估计、滤波与控制问题及相应算法的理论基础,其中多数属于作者的研究成果.

本书第一部分报道了无穷维线性系统控制理论的发展，特别是适定和正则系统的抽象理论，也讨论了可控性、可观性、能稳性、可检性、可优性、可估性、实现，以及极点配置等几个主要的基础性概念。第二部分报道了适定正则系统理论在偏微分方程，主要是几个经典的高维偏微分方程中的应用。第1章和附录列出了本书所需的有穷维系统控制、泛函分析、Ri

本书主要讨论如何通过变分法来实现最优控制问题。更具体地说研究了如何应用变分法实现泛函极值。它涵盖了具有不同边界条件、涉及多个函数、具有一定约束条件等的泛函极值问题。利用变分法给出了(连续时间)最优控制解的充要条件,求解了不同边界条件下的最优控制问题,并分别对线性二次型调节器和跟踪问题进行了详细的分析。通过应用基于变分法

本书围绕复杂多组分体系分析这一现代分析科学实践中具有代表性的核心问题，主要阐述和讨论了化学模式识别研究过程中涉及的相关理论基础、方法、原理和实际应用。

《现代控制理论（第2版）》较为全面地介绍了线性控制系统的状态空间分析与设计方法，以及控制、估计与滤波的基础知识。《现代控制理论（第2版）》从状态空间描述的基本概念入手，介绍了线性连续时间系统的状态响应、状态能控性和能观测性的概念及判断方法；对李雅普诺夫稳定性理论做了基本阐述；讨论了线性连续定常系统状态反馈和状态观测器的