真實世界中的序列數(shù)據(jù)隨時間推移呈爆炸式增長，如何設計面向序列數(shù)據(jù)的知識發(fā)現(xiàn)方法是當前研究的熱點之一。本書以深度學習和多視圖學習為理論基礎，以序列數(shù)據(jù)為研究對象，為面向序列數(shù)據(jù)分析提供多視圖的學習方法與技術，同時為典型場景下的序列數(shù)據(jù)分析提供多視圖深度學習解決方案，以期為序列數(shù)據(jù)分析、多視圖學習領域的研究及應用提供參考。

本書包括4個部分內(nèi)容：1-4章為概率論的理論部分;5-6章為統(tǒng)計應用的基礎準備部分,介紹了大量樣本數(shù)據(jù)呈現(xiàn)的極限特征,以及統(tǒng)計應用中常用的四大分布及性質(zhì);7-8章為統(tǒng)計的基本應用部分,介紹了參數(shù)的點估計,區(qū)間估計以及假設檢驗問題;第9章介紹了現(xiàn)實中常用的統(tǒng)計方法--一元回歸分析.前8章是一般本科概率論與數(shù)理統(tǒng)計課程的基

本書以近鄰思想、同步聚類模型及快速同步聚類算法為研究課題，重點研究了基于近鄰圖與單元網(wǎng)格圖的聚類算法、基于近鄰勢與單元網(wǎng)格近鄰勢的聚類算法、快速同步聚類算法、基于Vicsek模型線性版本的同步聚類算法、基于線性加權Vicsek模型的收縮同步聚類算法、基于分而治之框架與收縮同步聚類算法的多層同步聚類方法和基于ESynC算

貝葉斯是當前人工智能的重要基礎之一。目前市面上有關貝葉斯的書籍，大多是從工科角度去闡述貝葉斯定理的推導和應用，因此運用了非常多的煩瑣公式、定理和推導。而貝葉斯應用卻是非常廣泛的，絕不僅僅是機器學習的一個工具，還可以上升到一套科學思維方法論。本書主要以貝葉斯為核心，講授了一些重要的思維方式，包括概率思維、最大似然估計、貝

試驗設計是近代科學發(fā)展的重要基礎理論之一。它研究不同條件下各種試驗的*優(yōu)設計準則、構造和分析的理論與方法。為適應現(xiàn)代試驗的需要，作者于2006年開始建立了一個新的*優(yōu)因子分析設計理論，包括*優(yōu)性準則、*優(yōu)設計構造，以及他們在各種不同設計類中的推廣�！�*優(yōu)因析設計理論（英）》*先給出近代試驗設計，主要是多因子試驗設計的基

本書系統(tǒng)地介紹了多元統(tǒng)計分析中的經(jīng)典理論和方法，重點講解了多元正態(tài)總體的參數(shù)估計和假設檢驗、聚類分析、判別分析、主成分分析、因子分析、對應分析、典型相關分析。本書力求以統(tǒng)計思想為主線，以SPSS軟件為工具，深入淺出地介紹各種多元統(tǒng)計方法的理論和應用，以大量實際問題為背景，介紹多元統(tǒng)計分析的基本概念和方法，具有很強的實用

《隨機分析與控制簡明教程》介紹隨機分析及隨機控制的基本理論與方法.第1章介紹布朗運動與鞅,涵蓋定義、停時定理、Doob不等式、下鞅的Doob-Meyer分解定理、Meyer過程等內(nèi)容;第2章介紹隨機積分、It.公式、鞅表示定理,以及測度變換的Girsanov定理.第3章介紹隨機微分方程基礎:解的存在唯一性、解對系數(shù)的連

在產(chǎn)品研發(fā)或改進過程中，需要進行大量而重復的實驗以確定最優(yōu)的配方及工藝。掌握先進的實驗方法和數(shù)據(jù)處理方法，可以縮短研發(fā)周期、節(jié)省研發(fā)成本�！稄牧銓W實驗設計與數(shù)據(jù)處理》以實驗設計為主線，除了介紹實驗設計的基本原理與方法以外，佐以大量產(chǎn)業(yè)車間范例，旨在使讀者學會不同的實驗設計的理論與方法。同時通過本書對范例的說明，了

本書是在教育部制定的教學大綱基礎上，參照同濟大學“概率論與數(shù)理統(tǒng)計”課程及教材建設的經(jīng)驗和成果，按照全國碩士研究生入學統(tǒng)一考試數(shù)學一的考試大綱要求，根據(jù)作者十多年的教學實踐經(jīng)驗編寫而成．全書共分八章，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(shù)字特征、大數(shù)定律及中心極限定理、統(tǒng)計量和抽樣分布

相依混合隨機變量是現(xiàn)代概率統(tǒng)計中的重要概念,它具有非常直觀的實際應用背景,如時間序列數(shù)據(jù)、空間數(shù)據(jù)、網(wǎng)格數(shù)據(jù)和高頻數(shù)據(jù)等都具有相依性,且呈現(xiàn)漸近獨立的特征.因此,近幾十年來一直都吸引了眾多學者的關注與研究,獲得了豐碩的研究成果.本書主要介紹混合隨機變量的基本理論,內(nèi)容包括混合隨機變量的定義與性質(zhì)、隨機過程的混合性質(zhì)、混