《模式识别》（第二版）

利用MATLAB技术探索模式识别与智能计算的奥秘（第二版） 本书深入浅出地讲解了模式识别与智能计算的核心原理和算法，并通过MATLAB工具进行实战演练。读者将学习到： 模式识别基础: 包括特征提取、特征选择、分类器设计等关键概念。 经典模式识别方法: 如贝叶斯决策、K近邻算法、支持向量机等。 智能计算方法: 如人工神经网络、遗传算法、模糊逻辑等。 MATLAB实战: 通过丰富的案例和代码，掌握算法实现和应用。 第二版在内容和结构上进行了全面升级，新增了深度学习、强化学习等前沿技术，并提供了更详尽的代码解析和实践指导，帮助读者更好地理解和应用模式识别与智能计算技术。

Hadoop 实战 第二版 深入探讨 Hadoop 生态系统的核心组件和技术，涵盖数据存储、处理、分析等方面。

史蒂芬·J·查普曼编著，刑树军、郑碧波翻译，讲解详细，图文并茂，适合学习MATLAB编程。

依据规则Ⅱ进行文法推导： VT：δ(q0, a) = (q0, λ )，δ(q0, b,b) = (q0, λ )，δ(q0, c) = (q0, λ )，δ(q0, d) = (q0, λ ) 以 x=caadbb 为例，根据规则Ⅰ和Ⅱ合成新规则进行推导： (q0, S ) →无（先输入空格λ），由此得到 (q0, S) (q0, CA) (q0,aAb) (q0,aAbb) (q0,dbb) (q0,b ) (q0, λ) 完成推导。

北京邮电大学盛立东教授主讲《模式识别导论》课件，包含模式识别基本概念、模式分类与聚类、特征提取、机器学习方法在模式识别中的应用等内容。

二、模式识别的发展史 1929年，G. Tauschek发明了阅读机，能够识别0-9的数字。30年代，Fisher提出了统计分类理论，为统计模式识别奠定了基础。因此，在60至70年代，统计模式识别迅速发展。但随着被识别模式的复杂化及特征维度增加，出现了著名的“维数灾难”。不过，随着计算机运算能力的飞速提升，这一问题得到了有效缓解。尽管如此，统计模式识别仍然是目前模式识别领域的主要理论之一。

在数据驱动的世界中，我们面临着数据爆炸，其中蕴含着成功的关键洞察。新一代 Hadoop (v2) 提供了一个先进的平台来存储和分析这些海量数据集，并对广泛使用且非常成功的 Hadoop MapReduce v1 进行了改进。帮助您使用新一代 Hadoop MapReduce 分析大而复杂的数据集的秘籍将为您提供使用新一代 Hadoop 生态系统处理大而复杂数据集所需的技能和知识。

Hadoop全面解析，涵盖历史、技术核心和应用，助力初学者深入理解。

Spark 高级分析 第二版 本版涵盖Spark核心概念、Scala基础算法以及高级Spark项目实战。通过学习，您将掌握使用Spark进行高级分析的关键技能。 Spark 核心概念: 深入了解Spark架构、RDD、DataFrame和Dataset等核心概念。 Scala 基础算法: 学习使用Scala语言实现常用算法，为Spark项目开发打下基础。 高级 Spark 项目: 通过实际案例，学习如何使用Spark构建端到端的数据分析解决方案。