本書重點研究了位置數(shù)據(jù)的智能聚類學習相關模型和算法前沿，集中反映了作者近年來對空間數(shù)據(jù)聚類與智能優(yōu)化相結合的研究成果，系統(tǒng)闡述了GPS位置數(shù)據(jù)聚類學習的相關模型與算法。本書共分為7章，包括GPS位置數(shù)據(jù)聚類模型和智能優(yōu)化的關鍵技術，GPS位置數(shù)據(jù)的遺傳、模糊粒子-遺傳融合、遺傳-模糊蟻群混合自動聚類模型與算法，基于Ma

在信息化發(fā)展迅速的今天，數(shù)據(jù)統(tǒng)計分析的使用及更新日新月異，數(shù)據(jù)統(tǒng)計分析的可視化可視化是一個輔助分析的工具,而不是數(shù)據(jù)分析的替代,它也不是統(tǒng)計的替代，是通過可視表達增強人們完成某些任務的效率，數(shù)據(jù)分析的可視化能夠帶給人們的不僅僅是視覺上的沖擊，還能夠揭示蘊含在數(shù)據(jù)中的規(guī)律和道理。本書主要包括R軟件的使用、數(shù)據(jù)描述性分析、

非參數(shù)統(tǒng)計是統(tǒng)計學一個重要分支。由于它對總體分布假定的要求很寬泛，且適用于各類測量（定類、定序、定距、定比）尺度數(shù)據(jù)，所以在數(shù)據(jù)分析的研究與實踐中有著廣泛應用。本書在介紹非參數(shù)統(tǒng)計各個方法原理的基礎上，使用R語言統(tǒng)計軟件進行計算。在內容上主要包括：*章緒論作為全書的鋪墊，第二章至第五章則按照單樣本、兩相關樣本、兩獨立樣

《數(shù)理統(tǒng)計》在統(tǒng)計量與抽樣分布的基礎上，講解總體中未知參數(shù)的點估計以及區(qū)間估計，在經典統(tǒng)計學派的基礎上，結合先驗信息，講述統(tǒng)計決策與貝葉斯估計的相關內容，進而講解參數(shù)的假設檢驗以及分布的檢驗等。在內容結構安排上，抽樣分布、參數(shù)估計與假設檢驗內容安排前后呼應，一脈相承，便于學生對數(shù)理統(tǒng)計內容整體的理解與學習。數(shù)理統(tǒng)計是伴

本書在內容選材上以必需和夠用為主要原則，符合教學大綱的基本要求，結構清晰，簡明實用，易學易教。本書內容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(shù)字特征、大數(shù)定律和中心極限定理、數(shù)理統(tǒng)計的基本概念、參數(shù)估計、假設檢驗、方差分析與回歸分析、Excel在概率統(tǒng)計方面的應用。本次修訂采取紙質教

本書涉及面極廣，不僅討論了概率論在離散空間中的諸多課題，而且涉及了概率論在物理學、化學、生物學（特別是遺傳學）、博弈論及經濟學等方面的應用．書中主要內容有：樣本空間及其上的概率計算，獨立隨機變量之和的隨機起伏，事件的組合及條件概率，離散隨機變量及其數(shù)字特征，大數(shù)定律，離散的馬爾可夫過程及其各種重要特征，更新理論等．除正

本書是威廉·費勒的著作《概率論及其應用（卷1）》的續(xù)篇。第1、2、3、6章介紹了各種重要的分布和隨機過程；第7、8、16、17章討論大數(shù)定律、中心極限定理和無窮可分分布；第9、10章討論半群方法與無窮可分分布、馬爾可夫過程的關系；第11章為更新理論；第12、18章論述隨機游動及傅立葉方法的應用；第13、1

《概率論與數(shù)理統(tǒng)計（人工智能專用）》介紹了與人工智能密切相關的概率論與數(shù)理統(tǒng)計的內容。全書分成兩大部分，di一部分主要介紹概率論的知識，涵蓋概率論的基本概念、一維隨機變量及其分布、二維隨機變量及其分布，數(shù)字特征，大數(shù)定理和中心極限定理外，還增加了信息論基礎知識、若干集中不等式的相關知識。第二部分主要介紹常見的數(shù)理統(tǒng)計知

本書主要介紹概率論和隨機過程的基礎知識和基本概念，內容包括概率論和隨機過程兩部分。第1~5章介紹概率論的基本概念及定理，主要包括隨機事件與概率、離散型隨機變量及其分布、連續(xù)型隨機變量及其分布、隨機變量的數(shù)字特征、大數(shù)定律與中心極限定理;第6章介紹隨機過程的基本概念、泊松過程、馬爾可夫過程、鞅、布朗運動、隨機積分和伊藤公

本書簡明系統(tǒng)地介紹了概率論和隨機過程的基本內容，內容豐富，富有時代特色。書中有許多新的簡明講法，幫助讀者更好地理解所學內容和加深對問題本質的理解。本書內容和習題難度適中，適合作為理工科大學數(shù)據(jù)科學類、統(tǒng)計學類、數(shù)學類本科生概率論課程教材或教學參考書。