本书内容搜罗低等概率盘算、随机变量及其漫衍、数字特色、多维随机向量、极限度理、统计学底子不雅点、点估量与区间估量、假如查验、回归相关阐发、方差阐发等。
书落选入了部份在实际以及使用上弥留，但普通感应逾越本课程规模的资料，以备教者以及学者遴选。
本书并重底子不雅点的阐释，同时，在设定的数学水平内，力争做到叙述松散。
书中精选了百余道习题，并在书末附有揭示与解答。
本书可作为低级学校理工科非数学系的概率统计课程课本，也可供具备至关数学豫备（低等微积分及大批矩阵学识）的读者自修之用。
目录总序序第1章责任的概率1.1概率是甚么1.2古典概率盘算1.3责任的运算、前提概率与自力性习题第2章随机变量及概率漫衍2.1一维随机变量2.2多维随机变量（随机向量）2.3前提概率漫衍与随机变量的自力性2.4随机变量的函数的概率漫衍附录习题第3章随机变量的数字特色3.1数学期望（均值）与中位数3.2方差与矩3.3协方差与关连系数3.2方差与矩3.3协方差与关连系数3.4大数定理以及中间极限度理习题第4章参数估量4.1数理统计学的底子不雅点4.2矩估量、极大似然估量以及贝叶斯估量4.3点估量的优同性原则4.4区间估量习题第5章假如查验5.1下场提法以及底子不雅点5.2弥留参数查验5.3拟合优度查验附录习题第6章回归、相关与方差阐发6.1回归阐发的底子不雅点6.2一元线性回归6.3多元线性回归6.4相关阐发6.5方差阐发附录习题习题揭示与解答附表

FAST算法原理：若某像素与其四处邻域内足够多的像素点相差较大，则该点大若是角点。
用FAST算法检测角点，替换差分高斯金字塔取极值检测角点的方式，速率块；
接着用SIFT特色描摹符描摹角点，省略尺度空间值，只用原图像中角点邻域的梯度值以及倾向盘算角点主倾向，接着盘算32个倾向向量来描摹角点。
之以及可用于特色点匹配。

ZDT一、ZDT二、DTLZ1测试函数也写好了，附有试验下场图，阻滞对于巨匠学习有帮手！！voidgenerateLamda(intM)//暴发N个权重向量weightvector//lamdaM为N*M矩阵(N个lamda,每一个lamda有m维){//动态天生二维数组lamdaMat=newdouble*[N+3];//留意，int*[10]展现一个有10个元素的指针数组for(inti=1;i＜=N+1;i++){lamdaMat[i]=newdouble[M+1];}belta=newdouble*[N+3];//留意，int*[10]展现一个有10个元素的指针数组for(intx=1;x＜=N+1;x++){belta[x]=newdouble[M+1];}//2目的if(M==2){double*array1=newdouble[N+3];for(inti=0;i＜=N+1;i++)array1[i]=i*1.0/N;for(inti=1;i＜=N+1;i++)////////////////////////////////{lamdaMat[i][1]=array1[i-1];lamdaMat[i][2]=1-array1[i-1];//保障M个份量之以及为1}////////////////////////////////////////////////////////////

此代码主若是对于数据集天生图，第一部份是天生数据的相关性矩阵图，第二部份是天生数据集的缺失图，第三部份是数据经由PCA从多维降为二维后使用聚类处置在二维层面上展现的散点图，第三部份是分类算法对于数据集的处置输入为分类准确率，分类算法搜罗随机森林，侈靡贝叶斯，遴选树，KNN，反对于向量机，以及神经收集。
以上皆为代码所能处置的成果。
假如你是需要对于数据集举行阐发需要图，这份代码就比力适宜。

相关向量机RVM_MATLAB,有代码评释的

这是一个样本的试验，现将振动信号举行LMD剖析，患上到剖析后的PF份量，在求份量的关连系数啦遴选份量，在求每一个PF份量的样本熵特色，结构一个特色向量，你指的具备，有帮手的话，阻滞你好评，谢谢，有下场加我主页qq。

matlab中实现反对于向量机SVM残缺货物包，可直接导入使用！

基于反对于向量机负荷功率料想，使用粒子群算法举行参数寻优，供参考

对于线代的各章节内容分别给出明晰的收集图，对于队列式，矩阵，向量组的秩以及极大无关组，齐次与非齐次方程组的解法，向量空间，特色值与特色向量相互之间的关连，以及它们的求解方式也给出了总结。
内容片面，学习约莫，便捷影像。

matlab代码%CHEBYSHEV输入切比雪夫多项式的阶数以及尺度，返回切比雪夫多项式的系数%%p=CHEBYSHEV(N,type)%N为切比雪夫多项式的阶数%type为切比雪夫多项式的尺度%p为切比雪夫多项式的系数（N+1阶列向量）%T为切比雪夫多项式的系数（N+1*N+1阶矩阵，p=T(:,N+1)）%即其中p(1)*x^N+p(2)*x^(N-1)+...+p(N)*x+p(N+1)

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。