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

本教材内容包括：随机事件与概率，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，大数定律和中心极限定理，数理统计的基本概念，参数估计，假设检验，回归分析，基于MATLAB工具的数学实验等。书末附有一系列表格、习题答案与提示、名词索引和符号说明。本书根据本科应用型学生的特点，教学内容突出基本概念，基本理论，基

本书内容包括初等概率计算、随机变量及其分布、数字特征、多维随机向量、极限定理、统计学基本概念、点估计与区间估计、假设检验、回归相关分析、方差分析等。书中选入了部分在理论和应用上重要，但一般认为超出本课程范围的材料，以备教者和学者选择。本书着重基本概念的阐释，同时，在设定的数学程度内，力求做到论述严谨。在作者多年教学实践

这本书从非数学的角度提供了有关实验设计和分析的综合处理，侧重于基本概念而不是技术细节的计算。大部分讨论都是根据来自众多应用领域的实例进行的。主题包括随机化的理由和实际困难、析因实验中出现的各种因素、选择实验的规模、进行观察的不同目的等等。大致内容：关键假设、减少错误的设计、如何使用补充观察来减少错误、随机化、析因实验的