本书使用C语言描述。本书内容涵盖三个方面：①线性结构（线性表，栈和队列，串、数组和广义表）的概念、抽象数据类型的定义、算法描述及其应用；②非线性结构（树与图）的概念、抽象数据类型的定义、算法描述及其应用；③查找与排序的概念、算法描述及其应用。学习数据结构课程的意义在于：让学生了解客观世界问题在计算机外部的表示方法（逻辑结构），及其在计算机内部对应的存储方式（存储结构），以及如何对它们进行运算的计算机解题全过程。

本书首先介绍构建类和创建对象的基础知识，并结合代码讲述如何将理论付诸实践；然后讨论面向对象编程的关键概念——封装、多态性和继承，包括如何使用对象管理器创建并管理多个对象，如何通过封装对客户端代码隐藏对象的内部细节，如何使用多态性定义一个接口并在多个类中实现它，如何应用继承构建现有代码；最后讲述如何构建一款带完整的动画和声音的视频游戏，从而将所有内容整合在一起。本书涵盖了两个功能齐全的Python代码包，它们将加速Python中图形用户界面程序的开发。 本书不仅适合Python开发人员阅读，还适合

本书系统介绍移位寄存器序列理论，内容包括线性反馈移位寄存器序列、与门网络序列、钟控序列、环Z/(N)上的线性递归序列、带进位反馈移位寄存器序列和非线性反馈移位寄存器序列等。

《机器人伺服控制系统及应用技术》是一本理论与实践紧密结合的图书，通过9章内容，全方位解读了机器人伺服控制系统的相关知识。从机器人组成开始讲解，逐渐引入到机器人的感知系统和控制系统，整合电机学、气压与液压控制、机器人机构等与伺服控制系统密不可分的相关技术，从基础知识到实例应用分析，让读者全面系统地学习伺服控制技术。全书核心内容包括机器人步进电机控制系统、直流伺服控制系统、交流伺服控制系统、伺服驱动器与运动控制器、气动伺服控制系统、液压伺服控制系统、视觉伺服控制系统等。本书适合机器人、机电一体

本书从防范黑客的角度出发，对网络中黑客所能造成的各种威胁及其攻防手段进行了详尽的阐述，包括威胁产生的原因、如何利用漏洞入侵、如何控制计算机并获取信息，以及如何增强系统安全性、如何避免威胁的产生或将损失降低到最小。本书共分13章，将黑客攻防过程各阶段所用技术进行了详解，涉及的知识点包括端口的扫描与嗅探、漏洞的利用、进程与后门、计算机病毒及木马、加密及解密、远程控制、入侵检测、无线局域网的攻防、系统账户安全及优化设置、系统的备份与还原、手机的攻防注意事项等。通过学习本书，读者可以全方位了解黑客

本书是关于多源不确定信息推理技术理论及应用的一部专著，是作者对国内外近十余年来该领域研究进展和自身研究成果的总结。本书由7章组成，包括概述、多源不确定信息推理技术的数学基础、基于多源不确定信息推理的雷达融合识别、DSmT-DS多源不确定信息推理方法、基于证据聚类和凸函数分析的DSmT多源不确定信息推理方法、基于条件证据网络的多源不确定信息推理方法、多源不确定信息推理技术展望。本书可供从事信息融合、推理决策、模式识别、人工智能、信息处理、指挥控制等专业的科技人员阅读和参考，也可作为上述专业的本科生

本书以零基础讲解为特色，用实例引导读者学习，深入浅出地介绍Python机器学习的相关知识和实战技能。 全书共17章，分为5篇。第Ⅰ篇为机器学习入门篇，包含第1章，主要介绍机器学习的概念、机器学习研究的主要任务、如何选择合适的算法及机器学习研究问题的一般步骤等；第Ⅱ篇为工具模块使用篇，包含第2~4章，主要介绍数组计算NumPy、数据分析Pandas、图形展示Matplotlib等；第Ⅲ篇为专业技能提升篇，包含第5~13章，主要介绍算法综述、决策树、朴素贝叶斯、逻辑回归、支持向量机、AdaBoost

本书先介绍了数字孪生的兴起与发展，给出了数字孪生的定义及功能架构；其次分析了数字孪生技术应用及产业发展态势；再次从供给侧与应用侧分析了我国数字孪生的发展现状，以及目前在技术、产业、应用方面面临的瓶颈；末尾介绍了产业供给侧解决方案、应用侧案例及第三届中国工业互联网大赛工业互联网 数字孪生专业赛优秀案例。

本书以软件测试工程化思维为基础，立足项目，采用描述、对话和独白等方式讲述测试工作中发生的故事，内容丰富、实用性强，是一本能帮助测试人员快速成长的图书。 本书首先介绍了测试工程化的认识和测试人员的商业意识；接着介绍了测试流程设计，以及如何通过流程拉齐各成员之间的目标，达到成员之间的合作有序和软件产品的质量可控；然后通过流程与技术的融合、测试用例规范化编写、测试平台建设和测试创新这 4 个重要测试主题的讲解，指导测试同行在测试工程化的道路上不断探索并找到流程、技术的最优解；最后介绍测试工作评价过程中

本书通过Excel示例介绍常用的机器学习算法和数据挖掘技术。许多机器学习任务的目的是找到数据中的隐藏模式。Excel能够清楚地展示机器学习建模过程的每一步及中间结果，让你不仅知其然，还知其所以然。第1章解释用Excel学习机器学习的益处。第2～12章分别介绍线性回归、k均值聚类、线性判别分析、交叉验证、logistic回归、k最近邻、朴素贝叶斯分类、决策树、关联分析、神经网络、文本挖掘。第13章总结全书内容，并为读者指出继续学习的方向。