本书共分10章，内容包括：绪论、线性方程组的直接解法、线性方程组的迭代解法、矩阵特征值问题的数值解法、函数插值、函数逼近、数值积分、非线性方程(组)的数值解法、常微分方程的数值解法、数值最优化。本书不仅介绍各种算法的数学原理，而且注重算法的实现与应用。书中各种算法都是用Matlab语言格式来描述的，每种算法都附有数值算例，同时每章后还配备数值实例和大量的数值实验题与习题，这些都对理论掌握正文内容的有益补充。

本书共分10章，内容包括：绪论、线性方程组的直接解法、线性方程组的迭代解法、矩阵特征值问题的数值解法、函数插值、函数逼近、数值积分、非线性方程(组)的数值解法、常微分方程的数值解法、数值最优化。本书不仅介绍各种算法的数学原理，而且注重算法的实现与应用。书中各种算法都是用Matlab语言格式来描述的，每种算法都附有数值算例，同时每章后还配备数值实例和大量的数值实验题与习题，这些都对理论掌握正文内容的有益补充。

本书为普通高等教育“十一五”规划教材。本书系统介绍随机过程的基本理论、分析方法及在实际中应用广泛的几类随机过程。全书共8章，内容包括：随机过程的基本概念，随机过程的线性变换，窄带随机过程，高斯随机过程，泊松过程，马尔可夫链和马尔可夫过程。各章配有适量习题，书末附有习题提示与答案。

本书为普通高等教育“十一五”规划教材。本书系统介绍随机过程的基本理论、分析方法及在实际中应用广泛的几类随机过程。全书共8章，内容包括：随机过程的基本概念，随机过程的线性变换，窄带随机过程，高斯随机过程，泊松过程，马尔可夫链和马尔可夫过程。各章配有适量习题，书末附有习题提示与答案。

本书第1部分为实验指导，与课堂教学内容相对应，设置了16个实验，每个实验既有操作引导，又有问题思考，帮助读者举一反三，拓展思路，加深对理论知识的理解，提高操作应用能力；第2部分为习题选解，编写了丰富的习题并给出参考答案，帮助读者复习和巩固课程内容。第3部分为学习指南，包括操作系统应用、办公软件应用、数据库应用和程序设计进阶，是主教材相关章节的补充与拓展，满足读者进一步学习的需要。

本书第1部分为实验指导，与课堂教学内容相对应，设置了16个实验，每个实验既有操作引导，又有问题思考，帮助读者举一反三，拓展思路，加深对理论知识的理解，提高操作应用能力；第2部分为习题选解，编写了丰富的习题并给出参考答案，帮助读者复习和巩固课程内容。第3部分为学习指南，包括操作系统应用、办公软件应用、数据库应用和程序设计进阶，是主教材相关章节的补充与拓展，满足读者进一步学习的需要。

全书分为8章，包括计算与计算思维、问题求解与算法基础、数据表示与编码、计算机系统、操作系统基础、网络应用与网络安全、数据管理与数据分析、人工智能基础与应用。本书以计算思维能力培养为切入点，坚持问题导向，通过编程实践来阐释基本概念和基本原理，将程序实现贯穿于新技术的学习与应用之中，帮助读者在解决实际问题过程中提升对新技术的认知能力，理解新技术在学科交叉融合中的重要作用，培养计算思维能力和信息素养。

全书分为8章，包括计算与计算思维、问题求解与算法基础、数据表示与编码、计算机系统、操作系统基础、网络应用与网络安全、数据管理与数据分析、人工智能基础与应用。本书以计算思维能力培养为切入点，坚持问题导向，通过编程实践来阐释基本概念和基本原理，将程序实现贯穿于新技术的学习与应用之中，帮助读者在解决实际问题过程中提升对新技术的认知能力，理解新技术在学科交叉融合中的重要作用，培养计算思维能力和信息素养。

本书是讲解模式识别的理论基础和典型应用的教材。本书共14章，前12章为基础理论，包含模式识别概述、理论贝叶斯决策、概率密度的估计、线性判别函数、非线性判别函数、其他分类方法、无监督学习、通用特征选择与提取方法、数据特征提取、数据预处理、深度神经网络基础、深度神经网络典型架构；后2章介绍指纹识别、光学字符识别、语音识别、自动人脸识别等模式识别典型应用以及语言大模型、视觉大模型、语音大模型和多模态大模型。

本书是讲解模式识别的理论基础和典型应用的教材。本书共14章，前12章为基础理论，包含模式识别概述、理论贝叶斯决策、概率密度的估计、线性判别函数、非线性判别函数、其他分类方法、无监督学习、通用特征选择与提取方法、数据特征提取、数据预处理、深度神经网络基础、深度神经网络典型架构；后2章介绍指纹识别、光学字符识别、语音识别、自动人脸识别等模式识别典型应用以及语言大模型、视觉大模型、语音大模型和多模态大模型。

本教材根据教育部最新制定的《高等工科院校本科概率论与数理统计课程的教学基本要求》，结合近年高等教育教学改革的研究成果及最新的数学课程改革理念编写而成，遵循“以应用为目的，以必需够用为度”，着重数学方法的介绍，淡化数学理论的推导和证明。全书共分九章，分别为随机事件与概率、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、大数定律与中心极限定理、样本及抽样分布、参数估计、假设检验以及方差分析与回归分析线等。本书内容难度适中，可作为普通高等院校理工科类本科生的概率论与数理统计课程教材使用，也可作为数学爱好者及科技工作者的参考用书。

本教材根据教育部最新制定的《高等工科院校本科概率论与数理统计课程的教学基本要求》，结合近年高等教育教学改革的研究成果及最新的数学课程改革理念编写而成，遵循“以应用为目的，以必需够用为度”，着重数学方法的介绍，淡化数学理论的推导和证明。全书共分九章，分别为随机事件与概率、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、大数定律与中心极限定理、样本及抽样分布、参数估计、假设检验以及方差分析与回归分析线等。本书内容难度适中，可作为普通高等院校理工科类本科生的概率论与数理统计课程教材使用，也可作为数学爱好者及科技工作者的参考用书。