三书对多级分层次数据进行统计建模进行分类介绍，内容包括：线性回归、多层次建模简介、两级MLM、更高层MLM、纵向数据分析、非线性回归建模、非线性混合效应建模、广义线性模型、广义线性模型、二分类数据的广义多层次模型、词性含量及词性序位的分类模型、主语表征预报思维指向状态的马尔科夫链模型等。

三书对多级分层次数据进行统计建模进行分类介绍，内容包括：线性回归、多层次建模简介、两级MLM、更高层MLM、纵向数据分析、非线性回归建模、非线性混合效应建模、广义线性模型、广义线性模型、二分类数据的广义多层次模型、词性含量及词性序位的分类模型、主语表征预报思维指向状态的马尔科夫链模型等。

本教材侧重于讲述随机过程的基本概念与方法，通过介绍高斯过程、布朗运动、点过程、平稳过程、鞅过程、马尔可夫链等几类现代科学技术中常见的经典随机过程，将实际应用与理论方法相结合。编者在系统的数学理论中融入了自身多年来科研工作的应用体会, 结合本科生的数学基础力图让学生能够结合具体的应用背景掌握随机过程的基本理论, 并因此得到一些启发, 产生学习兴趣。同时, 对于已具备概率论、高等数学、线性代数等知识并立志于在概率统计、管理运筹、机器学习、金融工程等专业方向进一步深造的高年级本科生、数学拔尖班学生以及相关专业的研究生, 本教材也有相应的扩展章节可供学习, 也是一本适用于本硕贯通式人才培养课程的教材。

本教材侧重于讲述随机过程的基本概念与方法，通过介绍高斯过程、布朗运动、点过程、平稳过程、鞅过程、马尔可夫链等几类现代科学技术中常见的经典随机过程，将实际应用与理论方法相结合。编者在系统的数学理论中融入了自身多年来科研工作的应用体会, 结合本科生的数学基础力图让学生能够结合具体的应用背景掌握随机过程的基本理论, 并因此得到一些启发, 产生学习兴趣。同时, 对于已具备概率论、高等数学、线性代数等知识并立志于在概率统计、管理运筹、机器学习、金融工程等专业方向进一步深造的高年级本科生、数学拔尖班学生以及相关专业的研究生, 本教材也有相应的扩展章节可供学习, 也是一本适用于本硕贯通式人才培养课程的教材。

《智能优化算法改进：从入门到MATLAB、Python编程实践》以粒子群算法为切入点，系统介绍多种常用的智能算法改进策略与思路，旨在帮助读者掌握优化算法的改进方法。读者可结合具体问题，参考本书为不同智能优化算法筛选并应用合适的改进策略。同时，本书特别呈现了多种相对复杂的改进粒子群算法实例，供读者深入学习和借鉴。书中所有算法均提供MATLAB和Python双语言实现，方便不同语言背景的读者参考。全书共分7章：第1章详解粒子群算法原理及其编程实现；第2章阐释智能优化算法基准测试集；第3章介绍智能优化算法评价指标；第4章探讨混沌映射理论；第5章展示基于混沌映射理论的算法改进；第6章分析基于随机变异改进的粒子群算法；第7章研究多策略改进的粒子群算法。

《智能优化算法改进：从入门到MATLAB、Python编程实践》以粒子群算法为切入点，系统介绍多种常用的智能算法改进策略与思路，旨在帮助读者掌握优化算法的改进方法。读者可结合具体问题，参考本书为不同智能优化算法筛选并应用合适的改进策略。同时，本书特别呈现了多种相对复杂的改进粒子群算法实例，供读者深入学习和借鉴。书中所有算法均提供MATLAB和Python双语言实现，方便不同语言背景的读者参考。全书共分7章：第1章详解粒子群算法原理及其编程实现；第2章阐释智能优化算法基准测试集；第3章介绍智能优化算法评价指标；第4章探讨混沌映射理论；第5章展示基于混沌映射理论的算法改进；第6章分析基于随机变异改进的粒子群算法；第7章研究多策略改进的粒子群算法。

本书的特色在于其将R语言的实践应用贯穿于概率论与数理统计的各个知识点的教学中，帮助学生摆脱烦琐的数学计算，从而有更多时间深入理解概率论的抽象概念及统计学的基本原理和方法.R软件部分的教学可以穿插于理论教学中，也可以单独安排在上机实验室. 值得一提的是，本书并不要求学生具备高级的R语言编程技能，只需掌握基础入门知识即可，具体内容详见本书第1章. 该章主要介绍R语言在概率论与数理统计领域常用的程序包和函数，旨在激发学生的学习兴趣,并帮助他们更好地理解相关概念和原理.
本书共10章，第1章学习本书所应该具备的R软件入门知识；第2章学习本书所应该具备的数据基础知识，包括数据的基本概念及数据可视化方法，为后期概率论与数理统计的学习打下数据知识基础；第3章到第6章为概率论部分，内容包括概率论的基本概念、一维与多维随机变量及其分布、数字特征、大数定律与中心极限定理等；第7章到第9章为数理统计部分，包含统计量及其抽样分布、参数估计和假设检验等；第10章为方差分析与回归分析，主要介绍单因素方差分析和双因素方差分析及一元线性回归和多元线性回归的相关内容.
本书内容丰富.读者可扫描封底二维码获取配套资源，可作为应用型本科院校各专业概率论与数理统计课程的教材或教学参考书.

本书的特色在于其将R语言的实践应用贯穿于概率论与数理统计的各个知识点的教学中，帮助学生摆脱烦琐的数学计算，从而有更多时间深入理解概率论的抽象概念及统计学的基本原理和方法.R软件部分的教学可以穿插于理论教学中，也可以单独安排在上机实验室. 值得一提的是，本书并不要求学生具备高级的R语言编程技能，只需掌握基础入门知识即可，具体内容详见本书第1章. 该章主要介绍R语言在概率论与数理统计领域常用的程序包和函数，旨在激发学生的学习兴趣,并帮助他们更好地理解相关概念和原理.
本书共10章，第1章学习本书所应该具备的R软件入门知识；第2章学习本书所应该具备的数据基础知识，包括数据的基本概念及数据可视化方法，为后期概率论与数理统计的学习打下数据知识基础；第3章到第6章为概率论部分，内容包括概率论的基本概念、一维与多维随机变量及其分布、数字特征、大数定律与中心极限定理等；第7章到第9章为数理统计部分，包含统计量及其抽样分布、参数估计和假设检验等；第10章为方差分析与回归分析，主要介绍单因素方差分析和双因素方差分析及一元线性回归和多元线性回归的相关内容.
本书内容丰富.读者可扫描封底二维码获取配套资源，可作为应用型本科院校各专业概率论与数理统计课程的教材或教学参考书.

本书是普通高等教育“十一五”国家级规划教材，是为高等学校数学类专业本科教学而编写的。全书分上、下两册。本书为下册，适用于较多学时的“数值分析”课程教学和大类招生专业分流后信息与计算科学专业学生学习。主要内容包括：矩阵特征值问题的计算、解线性方程组的迭代法、非线性方程组迭代解法、最佳逼近、数值积分、常微分方程与积分方程数值解法。本书可作为高等学校信息与计算科学专业以及计算机类专业的教材，也可作为科学计算类课程的参考书，供计算机、力学、物理学科各专业的本科生及相关人员阅读。

本书是普通高等教育“十一五”国家级规划教材，是为高等学校数学类专业本科教学而编写的。全书分上、下两册。本书为下册，适用于较多学时的“数值分析”课程教学和大类招生专业分流后信息与计算科学专业学生学习。主要内容包括：矩阵特征值问题的计算、解线性方程组的迭代法、非线性方程组迭代解法、最佳逼近、数值积分、常微分方程与积分方程数值解法。本书可作为高等学校信息与计算科学专业以及计算机类专业的教材，也可作为科学计算类课程的参考书，供计算机、力学、物理学科各专业的本科生及相关人员阅读。

本书为适用于全国的教材。全书共分十二章，第一章函数插值计算；第二章数值积分；第三章代数方程求根；第四章线性代数方程组直接解法；第五章线性代数方程组迭代解法；第六章非对称矩阵特征值及特征向量计算方法；第七章对称矩阵特征值及特征向量计算方法；第八章常微分的数值解法；第九章偏微分方程差分解法；第十章偏微分方程差分解法应用—海岸立面水波计算；第十一章偏微分方程有限元解法；第十二章偏微分方程有限元解法应用—河道水流计算。本书是“河流海岸数学模型”系列课程的入门内容。

本书为适用于全国的教材。全书共分十二章，第一章函数插值计算；第二章数值积分；第三章代数方程求根；第四章线性代数方程组直接解法；第五章线性代数方程组迭代解法；第六章非对称矩阵特征值及特征向量计算方法；第七章对称矩阵特征值及特征向量计算方法；第八章常微分的数值解法；第九章偏微分方程差分解法；第十章偏微分方程差分解法应用—海岸立面水波计算；第十一章偏微分方程有限元解法；第十二章偏微分方程有限元解法应用—河道水流计算。本书是“河流海岸数学模型”系列课程的入门内容。