本书以机器学习算法为主题，详细介绍算法的理论细节与应用方法。全书共19章，分别介绍了逻辑回归与最大熵模型、k-近邻模型、决策树模型、朴素贝叶斯模型、支持向量机模型、集成学习框架、EM算法、降维算法、聚类算法、神经网络模型等基础模型或算法，以及8个综合项目实例。本书重视理论与实践相结合，希望为读者提供全面而细致的学习指导。

本书主要包含以下内如：最优化问题的简介，凸分析基础，无约束优化的理论及线搜索算法框架，信赖域算法，线搜索收敛性分析及收敛速度分析，半光滑牛顿算法，共轭梯度算法，约束优化理论及延伸理论，罚方法，增广拉格朗日算法及算法在实际问题(支持向量机模型、超图匹配)中的应用。本书对知识点的分析紧密结合当前研究前沿问题，并通过对应用问题使用优化算法，让学生看到优化理论与实际数据的结合，将知识点以全方位的立体感呈现给学生。

本书针对现有图像融合模型缺乏感知图像间差异信息能力、不能根据认知差异调整融合策略等问题，将拟态章鱼的拟态特性引入到图像融合中，提出图像拟态融合的思想。图像拟态融合是一种新的智能仿生信息处理的理论和方法，其不企图给出适用所有图像融合的方法，也不排除已有融合算法的优势性能，更不拒绝在融合中引入其他新的理论和方法提升融合自适应程度，而是模仿拟态章鱼的多拟态特性，借助"差异决定结构、结构决定效果"的思想，根据不同图像成像特性和场景变化提取差异特征，形成对融合可变驱动，使融合模型的结构和算法根据图像间差异

数系的扩充始终贯穿于数学理论的发展之中. 本书利用交互式定理证明工具Coq, 在Morse-Kelley 公理化集合论形式化系统下, 给出中国科学与技术大学汪芳庭教授在其《数学基础》中采用算术超滤分数构造实数的机器证明系统, 包括超滤空间与算术超滤的基本概念、超滤变换以及用算术超滤构造算术模型的形式化实现, 构建了非标准实数模型, 自然包含标准实数模型, 并且给出滤子扩张原则和连续统假设蕴含非主算术超滤存在的形式化验证. 在我们开发的系统中, 全部定理无例外地给出Coq的机器证明代码, 所有形式

图像融合技术可将多源图像的互补特征进行综合，以得到更加完整和准确的场景描述，从而弥补单一传感器单幅图像的不足，是一种广泛应用的图像预处理技术，如多摄像头拍照、微光夜视、医学诊断、遥感等应用领域。本书以多源图像融合技术为主要内容，在研究图像尺度分析、迁移学习、深度学习算法与模型的基础上，针对多聚焦图像融合、多模态医学图像融合、红外与可见光图像、遥感图像融合等方面开展了深入研究，分别提出了具有针对性的融合方法，同时将一些新的技术和新方法引入到图像融合领域。

本书首先进行虚拟现实和增强现实简介，接着以VR/AR智能建模为主线，第一部分介绍基于单张图片的基于单张图片的广义柱形物体三维建模技术、基于单帐图像的室内场颢三维建模、基于正面图片的三维人脸快速建模技术；第二部分阐述基于稀疏柔性传感器的三维人体重建、三维模型格式转换引擎技术；第三部分基于中轴变换建模方面，包括动态网格与稀疏点云的中轴计算方法、刚体仿真中基于中轴变换的连续碰撞检测、中轴驱动的三维模型变形模拟及碰撞检测方法。力求使读者尽快掌握现有VR/AR相关核心智能建模技术。

本书针对推荐系统中的二部图、社交网络和知识图谱的图结构模式，研究基于图表示学习的深度推荐系统。通过挖掘图信息中的隐性关系和高阶关系，使用图学习的方式探索用户和产品的潜在关联，弥补相关推荐系统研究在挖掘用户之间或者产品之间隐性关系方面的不足，形成一系列合理而且有效的推荐技术。增加推荐系统输入的多样性，运用社交网络和知识图谱等辅助信息，缓解推荐系统目前面临的“数据稀疏”、“冷启动”等问题，提高推荐系统的准确性和多样性，为推荐系统技术的发展提供可参考的方向。

人类正在面临数字技术带来的全面变革！不仅衣食住行离不开互联网，就连工作、学习和生活，也离不开手机和互联网，手机已经成为每个人生活中形影不离的“体外器官”！不仅如此，人工智能的快速发展，正在推动社会各行各业发生新一轮变革。这一轮新的技术变革不仅影响到所有的学科领域，还直接挑战了传统的哲学认识论，颠覆了传统的人类思想和认知体系。 目前，关于数字化、智能化变革的研究还存在着盲目追逐短期热点，缺乏对“长时段”教育技术变革历程的分析，也缺乏对技术影响社会、教育变革基础理论的深度研究。本书的研究起步于200

本书聚焦网络化科学活动中的群体认识论问题，主要包括网络化科学的形态与特征透视、网络化科学中的认知主体分析、网络化科学中的认知分工研究、未来的网络化科学发展及其认识论等，探寻了提升网络化科学的运行效率和运作秩序方法和策略，进而在政策层面探究实现高效和良序的可能机制，为政府科学与技术政策、科学传播(科普)政策的制定及相关决策提供参考。

本书基于非合作目标雷达特性、运动特性和形状特征，分析了影响目标ISAR成像的因素，重点对稀疏重构成像方法和弹道目标特征提取方法进行了阐述分析，针对非合作目标成像、特征提取与识别面临的成像时间短、积累信号少、成像质量不高和特征提取识别难的问题，提出了多种基于联合稀疏重构和二维稀疏重构的成像方法，并阐述了机动非合作目标的快速高分辨成像方法。针对弹道目标快速运动特征和微动特征，在建立目标中段运动及微动模型的基础上，对回波信号进行仿真分析，从其距离像序列及二维ISAR像序列出发，总结弹道目标的特征