本書基于MM算法原理和組裝分解技術系統(tǒng)地介紹了統(tǒng)計優(yōu)化問題中MM算法的構造方法及其性質特征。本書共分7章內容，具體包括緒論、凸性、MM算法與組裝分解技術、單(多)元分布參數估計的MM算法、混合模型的MM算法、生存模型的半參數估計與MM算法、收斂性與加速算法。本書的目的在于為讀者特別是統(tǒng)計工作者提供一套簡單、有效、可靠的

本書全面介紹了求解非線性規(guī)劃問題的無罰函數方法。從基礎概念出發(fā)，逐步講解罰函數方法、傳統(tǒng)與修正濾子方法、非單調濾子方法、自適應濾子方法以及其他無罰函數方法等。書中不僅提供了理論分析，還結合了豐富的數值實驗，以證明算法的收斂性和有效性。本書融合了深人的理論探討和實際案例，為研究生提供了堅實的理論基礎和實踐操作指南。書中對

"本書根據高職院校人才培養(yǎng)目標，本著簡明、基礎、實用的原則，結合編者多年講授“高等數學”課所積累的教學經驗編寫而成。本書以“以應用為目的，以必須夠用”為原則，充分考慮到不同專業(yè)需求，在課程結構上，既體現了數學的準確性與科學性，又不過分追求理論的嚴謹性，略去了大多數的定理證明。注重實踐和學生基本運算能力，分析問題能力和解

本書教你如何從基于時間的數據(如日志、客戶分析和其他事件流)中獲得即時、有意義的預測。在這本通俗易懂的書中，作者通過帶有注釋的Python代碼全面演示了用于時間序列預測的統(tǒng)計和深度學習方法。全書分為四部分：第一部分介紹時間序列預測的概念；第二部分介紹使用統(tǒng)計模型進行預測；第三部分介紹使用深度學習進行大規(guī)模預測；第四部分

本書前7章為操作基礎，詳細介紹了Ansys分析的基本步驟和方法：第1章Ansys概述；第2章幾何建模；第3章建模實例；第4章網格劃分；第5章施加載荷；第6章求解；第7章后處理。后8章為專題實例，按不同的分析專題講解了各種分析專題的參數設置方法與技巧：第8章靜力分析；第9章模態(tài)分析；第10章諧響應分析；第11章瞬態(tài)動力學

作者基于豐富的教學經驗，開發(fā)了一套全新的算法分類方法。該分類法站在通用問題求解策略的高度，對現有大多數算法進行了較為準確的分類，旨在引領讀者沿著清晰、一致、連貫的思路來探索算法的設計與分析。《算法設計與分析基礎（第3版詳解版）》適合用作算法設計與分析的基礎教材，也適合任何有興趣探究算法奧秘的讀者自學使用。

本書以最優(yōu)化算法及其MATLAB程序實現為主線，結合相應優(yōu)化例題及其編程示例，利用自編函數和MATLAB優(yōu)化工具箱函數求解優(yōu)化模型，使讀者輕松掌握編程應用。全書共8章，內容包括最優(yōu)化概論、線搜索方法、無約束優(yōu)化算法、約束優(yōu)化算法、線性規(guī)劃算法、整數規(guī)劃算法、二次規(guī)劃算法、動態(tài)規(guī)劃算法以及各類優(yōu)化算法的MATLAB實現，

智能優(yōu)化算法在解決大空間、非線性、全局尋優(yōu)、組合優(yōu)化等復雜問題方面具有獨特的優(yōu)勢，因而得到了國內外學者的廣泛關注，并在信號處理、圖像處理、生產調度、任務分配、模式識別、自動控制和機械設計等眾多領域得到了成功應用。本書介紹了近年來新提出的5種智能優(yōu)化算法及其改進算法的算法思想、原理、算法流程和程序實現說明，并給出了具體的

本書根據編者多年主講概率論與數理統(tǒng)計課程的教學經驗和現階段大學生的基本學情，并參照該課程的教學基本要求編寫。全書共分八章，主要包括隨機事件與概率、隨機變量及其分布、多維隨機變量及其分布、隨機變量的數字特征、大數定律與中心極限定理、統(tǒng)計量及其分布、參數估計和假設檢驗。本書注意基本概念和基礎理論，特別注意基礎知識間的內在聯(lián)

本書介紹統(tǒng)計分析的Logistic回歸模型，以及擴充模型，包括Logistic回歸搭配ROC曲線，多項Logistic回歸等，通過例題分析，結合計算機統(tǒng)計軟件的應用，詳細闡述該模型原理與應用。