回归分析是一本统计学类、数据科学类专业的核心专业课程，主要为统计学及其相关专业的本科生介绍回归分析的建模思想、基本原理和基本方法。本教材的编写逻辑和思路：首先，通过介绍变量之间的关系引入回归的思想，从最简单的一元线性回归模型开始，扩展到多元线性回归模型，进一步再扩展到广义线性模型，针对不同的问题，建立不同的模型，从简单到复杂，深入浅出的讲解回归模型的建模思想。其次，针对不同的模型，通过理论讲解与实例分析介绍如何建立回归模型，如何实现回归模型的估计，并针对模型的种种假设进行检验，以及数据违背假设的

本书采用先理论方法后实践应用的方式进行撰写，系统介绍了投影寻踪基本原理、统计学习方法及其多场景应用案例，为多方法耦合提供新思路，为复杂数据挖掘提供新方法，为数据科学问题解决提供新应用。全书内容包括投影寻踪研究进展综述、投影寻踪耦合学习原理、投影寻踪耦合学习算法、投影寻踪聚类耦合学习、投影寻踪回归耦合学习、投影寻踪函数型耦合学习、投影寻踪耦合学习评价、投影寻踪耦合学习预测和投影寻踪耦合学习决策。本书可作为统计学习、数据科学和工程应用方向的研究及实践工作者的学习参考书。

本书教你如何从基于时间的数据(如日志、客户分析和其他事件流)中获得即时、有意义的预测。在这本通俗易懂的书中，作者通过带有注释的Python代码全面演示了用于时间序列预测的统计和深度学习方法。全书分为四部分：第一部分介绍时间序列预测的概念；第二部分介绍使用统计模型进行预测；第三部分介绍使用深度学习进行大规模预测；第四部分介绍使用自动化预测库进行大规模预测。

真实世界中的序列数据随时间推移呈爆炸式增长，如何设计面向序列数据的知识发现方法是当前研究的热点之一。本书以深度学习和多视图学习为理论基础，以序列数据为研究对象，为面向序列数据分析提供多视图的学习方法与技术，同时为典型场景下的序列数据分析提供多视图深度学习解决方案，以期为序列数据分析、多视图学习领域的研究及应用提供参考。本书针对序列数据的动态性、突变性、不确定性和时空关联性等特点，探讨多视图学习理论，构建面向序列数据的多视图方法，概述基础理论与传统方法，并系统地介绍多视图序列数据应用领域的研究理论

1、概率论基础知识；2、基础理论：随机过程的引入（定义的引入、分类、平稳过程）、离散时间的Markov链（定义的引入、分类、不变测度、极限定理）、最优停时与鞅、连续时间的Markov链（定义的引入、Poisson过程、Renew过程、应用案例）、连续时间的随机过程（布朗运动）、随机分析及随机微分方程；3、应用案例分析：随机过程在金融中的应用、随机过程在流行病传播中的应用、随机过程在社会学中的应用

敏感性试验设计是试验设计研究领域的主要研究方向之一，其应用背景主要是针对燃爆产品试验和药剂试验，通过设计若干刺激水平和观测对应的二元响应数据，估计感兴趣的特殊刺激水平，如成功响应概率p对应的刺激水平，称其为感度分布的p分位数。 传统的敏感性试验设计没有优化准则，而且希望估计的主要是0.5分位数。随着对研究对象更高质量的要求，在中小样本下估计极端p分位数的需求越来越强烈。本专著主要给出估计该类极端p分位数的优化试验设计方法，并在三元响应和混合响应情形下给出广义敏感性试验设计的概念、统计模型和广义p

这是一本写给对概率统计及应用有兴趣的非专业读者的书，目的是帮助他们理解高科技发展中概率统计等概念的意义。本书写作中以悖论、谬误、以及一些饶有趣味的数学案例作先导，引起读者的兴趣和思考，在解答问题的过程中讲述概率论中的基本知识和原理，及其在物理学、信息论、网络、人工智能等技术中的应用。书中介绍的著名趣味概率问题包括高尔顿钉板、几何概型悖论、博士相亲、中国餐馆过程等。通过讨论这些简单有趣的例子，让读者了解概率统计中的重要概念，诸如随机变量、期望值、贝叶斯定理、大数定律、中心极限定理、马尔可夫过程、深

本书分为8章，内容包括时间序列分析的基础知识、时间序列预测的常用方法，以及神经网络在时间序列预测中的应用；时间序列异常检测算法的技术与框架，如何识别异常的时间点及多种异常检测方法；时间序列的相似性度量方法、聚类算法；多维时间序列在广告分析和业务运维领域的应用，利用OLAP技术对多维时间序列进行有效处理，通过根因分析技术获得导致故障的维度和元素；智能运维领域（AIOps）和金融领域的两个应用场景。

本书以近邻思想、同步聚类模型及快速同步聚类算法为研究课题，重点研究了基于近邻图与单元网格图的聚类算法、基于近邻势与单元网格近邻势的聚类算法、快速同步聚类算法、基于Vicsek模型线性版本的同步聚类算法、基于线性加权Vicsek模型的收缩同步聚类算法、基于分而治之框架与收缩同步聚类算法的多层同步聚类方法和基于ESynC算法与微聚类合并判断过程的组合聚类算法等。本书可作为聚类分析领域研究生的教学和科研参考教材，也可作为智能数据分析与处理技术人员的自学研究参考教材。

《随机分析与控制简明教程》介绍随机分析及随机控制的基本理论与方法.第1章介绍布朗运动与鞅,涵盖定义、停时定理、Doob不等式、下鞅的Doob-Meyer分解定理、Meyer过程等内容;第2章介绍随机积分、It.公式、鞅表示定理,以及测度变换的Girsanov定理.第3章介绍随机微分方程基础:解的存在唯一性、解对系数的连续依赖性等;第4章介绍倒向随机微分方程的基本内容;第5章给出了随机控制问题的基本框架,用凸变分的方法推导*大值原理(包括线性二次控制问题的求解)、动态规划原理,以及两者之间的联系.