本書共5章，第1章闡述了本書研究的背景，分析信息物理融合系統(tǒng)研究現(xiàn)狀及其技術(shù)的發(fā)展趨勢；第2章討論信息物理融合系統(tǒng)物理體系結(jié)構(gòu)模型，并分析不同層次體系結(jié)構(gòu)的特點及其典型應(yīng)用；第3章對信息物理融合系統(tǒng)進行分析；第4章研究了信息物理融合系統(tǒng)的優(yōu)化問題；第5章主要分析了信息物理融合系統(tǒng)的安全問題。

本書共七章，內(nèi)容包括：大數(shù)據(jù)與數(shù)據(jù)分析、大數(shù)據(jù)存儲、大數(shù)據(jù)分析工具、大數(shù)據(jù)與信息安全、基于二部圖網(wǎng)絡(luò)的電子商務(wù)推薦算法研究、基于位置的社交網(wǎng)絡(luò)好友推薦算法研究、基于稀有類分類的信用卡欺詐識別研究。

數(shù)據(jù)科學概論（第2版）（普通高等學校應(yīng)用型教材·數(shù)據(jù)科學）

本書是作者及其團隊成員十余年來從事一種離子聚合物金屬復(fù)合材料（IPMC:IonicPolymerMetalComposite、也叫人工肌肉）的建模、控制及應(yīng)用技術(shù)研究的總結(jié)。本書圍繞人工肌肉（IPMC）開研究，重點對人工肌肉的建模、控制及其在相關(guān)領(lǐng)域應(yīng)用實例展開深入的討論，并對人工肌肉仿生驅(qū)動器的潛在應(yīng)用前景做出分析與

本書是針對高等工科院校相關(guān)控制類學科研究生的現(xiàn)代魯棒控制理論課程需要而編寫的。本書綜合近年來國內(nèi)外有關(guān)魯棒控制理論的資料，對現(xiàn)代魯棒控制理論所包含的內(nèi)容作了全面、系統(tǒng)、深入淺出的闡述，覆蓋了變結(jié)構(gòu)控制理論和H∞控制理論兩部分內(nèi)容，內(nèi)容取舍上注重理論基礎(chǔ)性和實用性，論述方式上力求符合理工科學生的認識規(guī)律，方便高年級本科生

本書主要敘述用于檢測幾何量和機械量的傳感器，同時也適當?shù)亟榻B了一些工業(yè)和科研中常用的新型傳感器，涵蓋傳感器的基本原理、發(fā)展現(xiàn)狀和最新應(yīng)用等內(nèi)容。

本書緊跟計算機技術(shù)發(fā)展潮流，是計算思維通識教育類課程的教材，以基礎(chǔ)性、系統(tǒng)性、先進性、通俗易懂為指導思想，將蘊含在計算機學科中的經(jīng)典計算思維和信息時代人們應(yīng)具備的大數(shù)據(jù)、互聯(lián)網(wǎng)和人工智能等新思維、新技術(shù)進行了全面介紹。本書共分為7章，主要內(nèi)容包括計算與計算思維；計算機中的0與1；計算機硬件系統(tǒng)組成及工作原理；計算機軟件

目前，社會對大數(shù)據(jù)工程技術(shù)人才的需求大大增加，因此向計算機和電子信息類相關(guān)專業(yè)學生傳授大數(shù)據(jù)知識和技術(shù)方法，提高他們在各領(lǐng)域應(yīng)用大數(shù)據(jù)的能力具有重大意義。本書共9章，圍繞大數(shù)據(jù)的基本概念和大數(shù)據(jù)處理的主要環(huán)節(jié)編寫。第1章主要介紹大數(shù)據(jù)的概念、特點和構(gòu)成；第2章主要介紹在Windows系統(tǒng)中安裝Linux虛擬機及構(gòu)建Ha

大數(shù)據(jù)治理是傳統(tǒng)信息治理的延續(xù)和擴展，其涉及的內(nèi)容非常廣泛。大數(shù)據(jù)治理確保以正確的方式對數(shù)據(jù)和信息進行管理，為大數(shù)據(jù)的有效應(yīng)用保駕護航，使得數(shù)據(jù)成為一個有機整體而不是各自為政。大數(shù)據(jù)治理所需的技術(shù)支撐需要涵蓋大數(shù)據(jù)管理、存儲、質(zhì)量、共享與開放、安全與隱私保護等多個方面。本書首先對大數(shù)據(jù)治理的背景和基本概念進行簡要介紹，

本書圍繞大數(shù)據(jù)背景下的數(shù)據(jù)挖掘及應(yīng)用技術(shù)，從大數(shù)據(jù)挖掘的基本概念入手，由淺入深、循序漸進地介紹大數(shù)據(jù)挖掘分析過程中的數(shù)據(jù)認知與預(yù)處理、數(shù)據(jù)可視化技術(shù)、數(shù)據(jù)挖掘的基本方法、Hadoop大數(shù)據(jù)分布式處理生態(tài)系統(tǒng)及分析應(yīng)用等內(nèi)容。其中數(shù)據(jù)挖掘的基本方法不僅包括數(shù)據(jù)關(guān)聯(lián)分析、數(shù)據(jù)分類分析及數(shù)據(jù)聚類分析，還包括深度學習等重要的數(shù)