本書主要介紹范數(shù)優(yōu)化迭代學(xué)習(xí)控制的基本理論和最新進(jìn)展。全書內(nèi)容分14章，系統(tǒng)地介紹了迭代學(xué)習(xí)控制的基本思想和理論體系，并對(duì)基于逆模型的迭代學(xué)習(xí)控制、范數(shù)優(yōu)化迭代學(xué)習(xí)控制、參數(shù)優(yōu)化迭代學(xué)習(xí)控制、基于逐次投影的迭代學(xué)習(xí)控制等迭代學(xué)習(xí)控制的最新研究成果進(jìn)行了詳細(xì)的闡述。本書也是Owens院士關(guān)于其在優(yōu)化迭代學(xué)習(xí)領(lǐng)域中長期的研

本書詳細(xì)討論大數(shù)據(jù)管理技術(shù)的各個(gè)分支及其實(shí)現(xiàn)技術(shù),包括大數(shù)據(jù)建模技術(shù)、大數(shù)據(jù)存儲(chǔ)和索引技術(shù)、大數(shù)據(jù)查詢處理技術(shù)、大數(shù)據(jù)事務(wù)處理技術(shù)和大數(shù)據(jù)總線技術(shù),并在此基礎(chǔ)上,對(duì)大數(shù)據(jù)應(yīng)用系統(tǒng)進(jìn)行了全面分析。本書面向大數(shù)據(jù)應(yīng)用的開發(fā)人員、大數(shù)據(jù)管理系統(tǒng)的開發(fā)人員以及大數(shù)據(jù)管理技術(shù)的研究人員,也適用于高等院校相關(guān)專業(yè)師生學(xué)習(xí)。

《智能控制理論及實(shí)現(xiàn)方法研究》面向智能控制技術(shù)發(fā)展前沿，基于近年來國內(nèi)外智能控制技術(shù)的研究成果，從工程應(yīng)用的角度出發(fā)，系統(tǒng)地論述了智能控制理論及實(shí)現(xiàn)的方法與技術(shù)�！吨悄芸刂评碚摷皩�(shí)現(xiàn)方法研究》重點(diǎn)闡述了基于模糊理論的智能控制、基于神經(jīng)網(wǎng)絡(luò)的智能控制、專家系統(tǒng)與仿人智能控制等內(nèi)容�！吨悄芸刂评碚摷皩�(shí)現(xiàn)方法研究》結(jié)構(gòu)合理，

全書共分為五大部分，*部分介紹了實(shí)時(shí)數(shù)據(jù)流和聚類方法的背景，包括實(shí)時(shí)數(shù)據(jù)流的特點(diǎn)、進(jìn)行數(shù)據(jù)分析的技術(shù)以及研究現(xiàn)狀。第二部分詳細(xì)講解了聚類方法中的簡單聚類，包括基于衰減窗口與剪枝維度樹的數(shù)據(jù)流聚類和實(shí)時(shí)數(shù)據(jù)流動(dòng)態(tài)模式發(fā)現(xiàn)與跟蹤方法，以及相關(guān)實(shí)驗(yàn)證明等內(nèi)容。第三部分詳細(xì)闡述了增量聚類技術(shù)，包括什么是增量聚類、網(wǎng)格劃分策略，

《大數(shù)據(jù)技術(shù)及其背景下的數(shù)據(jù)挖掘研究》圍繞大數(shù)據(jù)背景下的數(shù)據(jù)挖掘及應(yīng)用問題，從大數(shù)據(jù)挖掘的基本概念入手，系統(tǒng)地闡述了大數(shù)據(jù)的基礎(chǔ)理論、大數(shù)據(jù)處理架構(gòu)Hadoop以及大數(shù)據(jù)存儲(chǔ)與管理研究；由淺入深地論述了數(shù)據(jù)挖掘的基礎(chǔ)理論、大數(shù)據(jù)挖掘技術(shù)研究、數(shù)據(jù)挖掘的藝術(shù)，并結(jié)合實(shí)踐，闡述了數(shù)據(jù)挖掘的應(yīng)用。《大數(shù)據(jù)技術(shù)及其背景下的數(shù)據(jù)

本書的主要內(nèi)容是非線性自抗擾控制的設(shè)計(jì)與理論分析.自抗擾控制是一項(xiàng)在線估計(jì)并補(bǔ)償不確定性因素的控制技術(shù),由三個(gè)主要部分構(gòu)成,分別是跟蹤微分器、擴(kuò)張狀態(tài)觀測器以及基于前兩者的反饋控制器.本書較為詳細(xì)地論述了非線性跟蹤微分器、非線性擴(kuò)張狀態(tài)觀測器的設(shè)計(jì)與收斂性,以及基于跟蹤微分器與擴(kuò)張狀態(tài)觀測器的不確定性因素補(bǔ)償控制器——

決策問題中存在大量的冗余信息，而且很多信息都具有不確定性，面對(duì)這些雜亂無章的海量數(shù)據(jù)，決策者需花費(fèi)大量時(shí)間分析，以至于可能錯(cuò)失決策良機(jī)，因此研究具有不確定性的決策問題中冗余信息約簡是決策者亟待解決的關(guān)鍵問題。目前軟集合方法能夠較好地處理不確定決策問題，但軟集合約簡方法目前還不完善，致使對(duì)海量數(shù)據(jù)很難做出決策。本書主要以

隨著計(jì)算機(jī)和互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展和廣泛普及，互聯(lián)網(wǎng)已經(jīng)成為人類獲取知識(shí)的最大平臺(tái)。在爬取了Web網(wǎng)頁語料后，需要通過數(shù)據(jù)預(yù)處理和數(shù)據(jù)分析來獲取數(shù)據(jù)的價(jià)值，從而造福人類，推動(dòng)社會(huì)發(fā)展。本書主要是Web大數(shù)據(jù)預(yù)處理和數(shù)據(jù)分析的實(shí)戰(zhàn)指南，內(nèi)容包括三部分：基礎(chǔ)知識(shí)、基于Python的數(shù)據(jù)預(yù)處理、基于Python的數(shù)據(jù)分析

線性延遲反饋控制使非線性系統(tǒng)產(chǎn)生了非常復(fù)雜的行為，包括混沌和分岔，延遲產(chǎn)生的混沌具有理論上的無窮維，可能通過簡單的方法獲得超混沌吸引子。針對(duì)線性延遲反饋的混沌產(chǎn)生機(jī)理，包括局部分岔，全局分岔，拓?fù)漶R蹄等一系列問題進(jìn)行了較為深入的分析，同時(shí)對(duì)混沌的應(yīng)用，如通信應(yīng)用，加密應(yīng)用和壓實(shí)機(jī)械中的應(yīng)用都進(jìn)行了深入的研究，這些研究成

本書從多個(gè)數(shù)據(jù)項(xiàng)目實(shí)例出發(fā)，介紹爬蟲、反爬蟲的各種案例，使讀者了解到數(shù)據(jù)抓取和分析的完整過程。書中案例的難度由淺入深，以作者原創(chuàng)的代碼為主，不借助現(xiàn)成的框架，強(qiáng)調(diào)在數(shù)據(jù)采集過程中的發(fā)散思維，總結(jié)攻克反爬蟲的思維模式，實(shí)現(xiàn)以低成本的方式得到想要的數(shù)據(jù)的愿望。最后，用一個(gè)“愛飛狗”的例子，為讀者展示如何從0到1地開發(fā)一個(gè)大