本书详细介绍机器视觉和人工智能技术，主要内容包括机器视觉与人工智能概述、图像基础算法应用开发实例、图像处理应用开发实例、深度学习应用开发实例、百度AI应用开发实例。全书采用项目式开发的学习方法，通过39个贴近日常生活的开发实例，由浅入深地介绍图像处理和深度学习的相关知识。本书中的每个开发实例均有完整的开发过程，并给出了

本书以项目为教学单元来组织内容，以通俗易懂的语言、实际工作任务为导向，向学生展现计算机组装与维护的各项实际应用。本书针对中职学生的学习特点编写，不刻意追求专业知识的深入研究，而是力求简单、通俗、易懂、易于自学。本书分为11个项目共计29个任务，具体内容包括计算机组装概述、CPU、主板、内存、硬盘、输入设备、BIOS设置

本书主要是针对普通院校计算机应用专业的学生编写的。全书共9章，第1章主要介绍计算机系统的组成、计算机的发展历史及计算机的应用；第2章主要讲解信息的数字化表示，重点讨论数值数据的原码、补码和反码表示方法，非数值数据的表示方法；第3章介绍运算器的作用及实现，重点讨论定点数的加法器、乘法器、除法器的设计方法；第4章介绍存储器

本教材以统一的视角较为全面阐述算法与数据结构的基本概念、理论方法和实现技术，数据结构方面主要讨论线性表、栈与队列、串、数组、广义表、树与二叉树、图等基本数据结构的概念与定义以及编程实现技术，算法方面重点讨论迭代、递归、贪心、分治、动态规划等算法设计思想以及遍历、查找、排序等操作的多种经典算法实现。全书内容丰富，理论方法

近年来，演化计算作为计算智能领域的经典优化技术，已经广泛应用于求解组合优化、工程优化等理论和工程类的优化问题，形成了一种基于演化的智能优化方法。针对高维空间的多目标优化问题，近年来基于分解的多目标演化算法（MOEAs）利用了分而治之的思想有效降低了求解多目标或高维多目标优化问题的难度。根据分解的形式不同，基于分解的MO

本书主要介绍和探讨计算机视觉的一系列核心主题，包括相机成像，图像处理、分析和感知，三维重建等。首先介绍了相机模型、成像过程以及图像的颜色模型、照射模型、渲染模型等；然后系统性地介绍了图像滤波、特征提取、图像和视频感知与理解等多种任务，不仅详细讲解了各任务中的经典方法，还全面地介绍了前沿的基于深度学习的方法；最后介绍了三

书中首先介绍了算法的基本概念、基本数据结构类型，以及Python基本语法等基础知识，然后通过案例详细讲解了迭代与递归、二分查找与分治法、回溯法、动态规划、数组与排序算法、树的遍历、图的最短路径算法、栈、哈希函数与哈希表、KMP算法、匈牙利算法、协同过滤、位图算法与布隆过滤器等算法和数据结构的思想与应用。在介绍这些知识时

本书是基于作者积累多年讲授计算机组成原理和计算机体系结构两门课程及指导学生实验的教学实践经验编写而成。全书共分15章，前14章为理论知识与习题解答，其内容为计算机组成与体系结构各部分的重点难点指导、典型例题解析、练习题及参考答案，可以帮助学生提纲挈领地掌握知识重点、巩固所学内容；第15章为实验设计，根据计算机组成与体系

本书分为四个部分，第一部分为图像采集及操作实战，主要介绍计算机视觉开发工具的安装、OpenCV开发环境的配置、摄像头的访问及保存图片等操作，让读者能够理解常见的图像类型并完成图像和视频的采集任务；第二部分为图像增强实战，主要介绍图像增强的一般方法，包括图像平滑、边缘锐化、边缘提取、图像轮廓提取等内容，并带领读者完成了图

本书采用大量图片，通过详细的分步讲解，以直观、易懂的方式展现了各种数据结构和算法的基本原理。第1章介绍了链表、数组、栈等数据结构；从第2章到第8章，分别介绍了和排序、查找、图、安全、聚类、数据压缩等相关算法，较为全面地介绍常见算法与数据结构知识。 本书没有枯燥的理论和复杂的公式，而是通过大量的步骤图帮助读者加深对数据结