《大数据算法设计与分析》以大数据为背景，以求解大数据计算问题的计算方法（即亚线性时间计算方法、压缩计算方法、抽样计算方法、增量式计算方法、分布式并行计算方法）为主线，系统地介绍大数据计算问题求解算法的设计与分析的理论与方法，主要包括: 大数据计算问题的复杂性分类、大数据计算问题的亚线性时间求解算法的设计与分析方法、基于抽样的大数据计算问题的求解算法的设计与分析方法、基于数据压缩的大数据计算问题的求解算法的设计与分析方法、大数据计算问题的增量式求解算法的设计与分析方法、大数据计算问题的分布式

本书系统地阐述了几种市场占有率较高的工业控制网络技术的通信协议、技术特点、硬件实现以及系统设计等内容，旨在介绍工业控制网络技术及应用。全书共分为6 章，第1 章主要介绍了工业控制网络的概念、研究意义及发展现状。第2 ～ 5 章详细介绍了当今已经具有极大市场占有率和良好应用前景的四种主流工业控制网络技术： PROFIBUS 控制网络、Modbus 控制网络、CAN 控制网络、DeviceNet 控制网络。第6 章简要介绍了其他几种工业控制网络技术，工业以太网：Ethernet/IP、EtherCA

本书共分为七章，第一章简要介绍了数控机床的组成、工作原理、分类和发展及其水平。第二章分析了插补原理，并介绍了典型的插补方法。第三章讲述了计算机数控系统的硬件和软件，分别介绍了计算机数控系统的硬件的组成和功能和软件的结构和功能。第四章分析了数控位置检测装置，按照工作原理的不同分别对各种数控位置检测装置进行了分析。第五章分析了数控伺服系统，对数控伺服系统的类型、伺服电机及调速、现代典型数控伺服系统进行了详细介绍。第六章讲述了数控手工编程。第七章讲述了自动编程及CAXA软件使用方法。

《创新方法新系统》系统介绍了创新方法新系统理论体系构建的一般路径和重要实践意义。首先，《创新方法新系统》创见性阐释了TRIZ理论、群智理论和知识图谱技术作为创新方法新系统构建过程中的重要理论来源作用，并尝试就其如何为复杂创新场景中的理论融合与创新进行了深入探索；其次，《创新方法新系统》就如何从理论和实践层面构建创新方法新系统进行了重点论述，从数据与案例层、模型与工具层、服务与应用层等不同维度，展示了构建基于微服务与领域知识图谱的创新方法新系统的一般路径；*后，《创新方法新系统》并采用了理论与案例

本书为大数据时代下的产物，由浅入深地介绍大数据及其相关知识，在大数据的背景下着重介绍ETL数据处理技术，同时引入数据清洗的知识，理论与实际相结合，突出所长。在理论上，本书突出重点与难点，较为系统地介绍大数据的各项基本技术。在实践操作上，本书贴近生活，切实理解，紧跟实验进行，并从中萃取精华。同时本书还介绍ETL技术的主流工具，结合当下一些项目进行运用，并综合课后思考题，使读者在学习中体会大数据的乐趣，翱游在大数据的海洋中。
本书可作为高校新兴专业——数据科学专业的配套教材，也可作为其他专业的

本书主要根据作者近几年在清华大学面向研究生和本科生开设的数据挖掘：方法与应用课程的教学实践与积累，参考近几年国外著名大学相关课程的教学体系编写而成。本书系统地介绍数据挖掘的基本概念和基本原理方法；结合一些典型的应用实例展示用数据挖掘的思维方法求解问题的一般性模式与思路。 本书可作为有一定数据结构、数据库和程序设计基础的研究生或本科生开展数据挖掘知识学习和研究的入门性教材与参考读物。

本书针对Hadoop体系的基本技术方法进行分析，并将理论与实际项目进行结合。本书层次清晰，结构合理，全书共分为11个章节，主要内容包括Hadoop简介、Hadoop环境搭建、HDFS文件系统操作、MapReduce程序编写、Hive安装与配置、Hive操作、HBase安装与配置、HBase操作与客户端使用、Pig安装与使用、Pig Latin的使用、Sqoop安装与数据操作、大数据项目案例分析等。 本书适合Hadoop的初学者进行阅读，也可作为高等院校相关课程的教学参考书。

Spark作为新兴的、应用范围广泛的大数据处理开源框架，吸引了大量的大数据分析与挖掘从业人员进行相关内容的学习与开发，其中ML是Spark 3.0机器学习框架使用的核心。本书用于Spark 3.0 ML大数据分析与挖掘入门，配套示例源码、PPT课件、数据集、思维导图、开发环境和作者答疑服务。
本书共分13章，从Spark 3.0大数据分析概述、基础安装和配置开始，依次介绍ML的DataFrame、ML的基本概念，以及协同过滤、线性回归、分类、决策树与随机森林、聚类、关联规则、数据降维、特征

用Java编写的Spark应用程序；
Spark应用架构；
提取文件、数据库、数据流和Elasticsearch的数据；
使用Spark SOL查询分布式数据集

本书共分四部分，第一部分即绪论，指出智能检测技术的核心问题。第二部分即第2章，讲述多变量数据统计分析与人工智能算法，主要包括主成分分析、回归分析、分类与判别分析等常用的多变量数据统计分析方法，又简述了ANNs、SVM等机器学习和深度学习算法。第三部分包括第3-7章，从对眼、耳、口、鼻、触的仿生传感技术角度，对应阐述光学与图像检测、声学传感与声发射检测、电化学与生物传感器、气敏传感与电子鼻技术，以及能感知对象内部成分的近红外光谱和高光谱成像等先进传感技术。第四部分即第8章，讲述多传感器信