《支持向量机：理论、算法与拓展》以分类问题（模式识别、判别分析）和回归问题为背景，介绍支持向量机的基本理论、方法和应用。特别强调对所讨论的问题和处理方法的实质进行直观的解释和说明，因此具有很强的可读性。为使具有一般高等数学知识的读者能够顺利阅读，书中首先介绍了最优化的基础知识。《支持向量机：理论、算法与拓展》可作为理工类、管理学等专业的高年级本科生、研究生和教师的教材或教学参考书，也可供相关领域的科研人员和实际工作者阅读参考。

支持向量机（SVM）是在统计学习理论的基础上发展起来的新一代学习算法，它在文本分类、手写识别、图像分类、生物信息学等领域中获行较好的应用。本书是第一本综合介绍支持向量机（SVM）的书籍，它从机器学习算法的基本问题开始，循序渐进地介绍相关的背景知识，包括线性分类器、核函数特征空间、推广性理论和优化理论，在此基础上很自然地引出了支持向量机的算法。本书末尾还详细讨论了一系列支持向量机的重要应用及其实现的技巧。本书的叙述清晰严谨，自包含性强，提供的大量相关文献引用以及网站链接可作为进一步学习的理想起始点。本书可作为计算机、自动化、机电工程、应用数学等专业的研究生教材，也可作为神经网络、机器学习、数据挖掘、人工智能等课程的参考教材，同时还是相关领域的教师和研究人员的参考书。

支持向量机是数据挖掘中的一个新方法。支持向量机能非常成功地处理回归问题(时间序列分析)和模式识别(分类问题、判别分析)等诸多问题，并可推广于预测和综合评价等领域，因此可应用于理科、工科和管理等多种学科。目前国际上支持向量机在理论研究和实际应用两方面都正处于飞速发展阶段。希望本书能促进它在我国的普及与提高。 本书对象既包括关心理论的研究工作者，也包括关心应用的实际工作者。对于有关领域的具有高等数学知识的实际工作者，略去书中的某些理论部分，仍能对支持向量机的本质有一个概括的理解，从而用它解决自己的问题。 本书适合高等院校高年级学生、研究生、教师和相关科研人员及相关领域的实际工作者使用。

本书深入地介绍了实用算法优化的相关内容，讲述了解决各种问题的计算方法，包括搜索高维空间、处理存在多个竞争目标的问题以及兼顾指标中的不确定性。全书主要涵盖以下主题：多维导数及其生成，局部下降和一阶、二阶方法，将随机性引入优化过程的随机方法，目标函数和约束都为线性时的线性约束优化，基于种群的方法，代理模型、概率代理模型以及使用代理模型进行优化的方法，不确定性下的优化，不确定性传播，表达式优化，多学科优化。附录简要介绍了本书使用的Julia 编程语言、评估算法性能的测试函数、与导数和优化方法相关的数学概念。 　　　　 本书适合高等院校数学、统计学、计算机科学等专业的本科生和研究生学习，也可用作相关领域的参考资料。

《算法作曲理论与实践》以Max／Msp平台为例，结合算法作曲及当代音乐的创作实践，对计算机算法作曲的相关基础理论及其实践技巧进行了较全面的梳理和阐述，为我国当代计算机算法作曲技术的研究和应用提供有益的启示。

Python与机器学习这一话题是如此的宽广，仅靠一本书自然不可能涵盖到方方面面，甚至即使出一个系列的书也难能做到这点。单就机器学习而言，其领域就包括但不限于如下：有监督学习（Supervised Learning），无监督学习（Unsupervised Learning）和半监督学习（Semi-Supervised Learning）。而其具体的问题又大致可以分为两类：分类问题（Classification）和回归问题（Regression）。 Python本身带有许多机器学习的第三方库，但《Python与机器学习实战：决策树、集成学习、支持向量机与神经网络算法详解及编程实现》在绝大多数情况下只会用到Numpy这个基础的科学计算库来进行算法代码的实现。这样做的目的是希望读者能够从实现的过程中更好地理解机器学习算法的细节，以及了解Numpy的各种应用。...(展开全部)

《机器视觉理论、算法与实践(英文版·第3版)》是机器视觉课程的理想教材，作者清晰、系统地阐述了机器视觉的基本概念，介绍理论的基本元素的同时强调算法和实用设计的约束。书中阐述各个主题时，既阐述了基本算法，又介绍了数学工具。此外，《机器视觉理论、算法与实践(英文版·第3版)》还使用案例演示具体技术的应用，并阐明设计现实机器视觉系统的关键约束。 《机器视觉理论、算法与实践(英文版·第3版)》适合作为高等院校计算机及电子工程相关专业研究生的教材，更是从事机器视觉、计算机视觉和机器人领域研究的人员不可多得的技术参考书。

本书是北京电影学院录音系师生集多年教学、科研、实践的成果荟萃，也是《新世纪电影学论丛》系列之一。全书以“声音理论思考”、“声音艺术语境”、“电影音乐探索”、“声音创作论语”四个主题为基本框架，由此展开多角度、多方位的思索与探讨，其触角涉及现代科技与艺术哲学的多个范畴，使对电影声音的研究提高到了一个前所未有的新水平。 电影中的声音与画面是互动、平行、缺一不可的两个重要部分。因此，电影声音理论就成为电影学理论框架中的重要组成部分。这本书的面世对建立和完善声音理论体系，推动整个电影学科的建设和发展也具有了十分重要的意义。 全书结构合理紧凑，理论表达准确精炼，风格成熟稳健，文字朴实生动，并在大的框架下保持了撰写人的个人学术思想与风格。对于电影理论工作者、电影管理者、制作者，以及从事科研与教学的广大师生来说，都是一本不可或缺的专业教材。

类别不平衡学习是机器学习与数据挖掘领域的重要分支之一，其在很多应用领域中均发挥着重要作用。本书首先系统地介绍了与类别不平衡学习相关的一些基础概念及理论(第1、2章)，进而在上述理论的基础上，讨论了一些主流的类别不平衡学习技术及对应算法，具体包括样本采样技术(第3章)、代价敏感学习技术(第4章)、决策输出补偿技术(第5章)、集成学习技术(第6章)、主动学习技术(第7章)及一类分类技术(第8章)等。此外，也探讨了样本不平衡分布的危害预评估技术(第9章)。最后，对该领域未来的发展方向及应用前景做出了评述与展望(第10章)。 本书可作为高等院校与研究院所计算机、自动化及相关专业研究生的课外阅读书籍，也可供对机器学习及数据挖掘感兴趣的研究人员和工程技术人员阅读参考。