本书主要介绍非高斯信号处理(包括基于高阶统计量和分数低阶统计量的信号处理)的理论、方法及其应用。
全书分为9章,内容包括：高斯过程与二阶统计量，高阶累积量和高阶谱，Alpha稳定分布与分数低阶统计量，基于以上信号的处理方法，基于分数低阶统计量数字信号处理的应用等。
第1章绪论1.1预备知识1.1.1信号与信号处理的概念1.1.2随机变量及其分布1.1.3随机信号及随机过程1.1.4统计信号处理的原理与方法1.2矩理论简介1.2.1矩及统计量的概念1.2.2二阶统计量及基于二阶统计量的信号处理1.2.3高阶统计量及基于高阶统计量的信号处理1.2.4分数低阶统计量及基于分数低阶统计量的信号处理1.3非高斯信号处理的发展参考文献第2章高斯分布与高斯过程2.1高斯分布2.1.1中心极限定理2.1.2高斯分布律2.2高斯过程参考文献第3章基于二阶统计量的信号处理方法3.1基本估计理论3.1.1最小二乘估计3.1.2线性最小方差估计3.1.3最小方差估计3.1.4最大似然估计3.1.5最大后验概率估计3.2维纳滤波与卡尔曼滤波3.2.1连续信号的维纳滤波3.2.2离散维纳滤波3.2.3卡尔曼滤波3.3参数模型功率谱估计3.3.1平稳随机信号的参数模型3.3.2AR模型功率谱估计3.3.3MA模型功率谱估计3.3.4ARMA模型功率谱估计3.4自适应数字滤波器3.4.1横向LMS自适应数字滤波器3.4.2递推自适应数字滤波器3.4.3自适应格型数字滤波器3.4.4递归型自适应数字滤波器参考文献第4章高阶累积量和高阶谱4.1高阶矩和高阶累积量4.1.1高阶累积量和高阶矩的定义4.1.2高阶累积量和高阶矩的关系4.1.3高阶矩和高阶累积量的性质4.1.4平稳随机过程的高阶矩和高阶累积量4.1.5随机过程的互累积量4.2随机过程的高阶累积量谱和高阶矩谱4.2.1累积量谱和高阶矩谱的定义4.2.2累积量谱的特例4.2.3k阶相干函数和互累积量谱4.3高阶谱估计的非参数方法4.3.1直接法4.3.2间接法4.4非高斯过程与线性系统4.4.1非高斯白噪声过程4.4.2非高斯白噪声过程与线性系统参考文献第5章基于高阶统计量的信号处理方法5.1基于高阶统计量的系统辨识5.1.1非最小相位系统5.1.2基于高阶统计量的系统辨识5.1.3高阶统计量用于MA系统辨识5.1.4高阶统计量用于非因果AR模型辨识5.1.5ARMA模型参数估计方法5.2有色噪声中的信号提取5.2.1复信号累积量的定义5.2.2谐波过程的累积量5.2.3高斯有色噪声中的谐波恢复5.2.4非高斯有色噪声中的谐波恢复5.3基于高阶累积量的参数模型阶数的确定参考文献第6章高阶统计量在信号处理中的应用6.1基于高阶累积量的自适应信号处理6.1.1基于高阶累积量的自适应FIR算法6.1.2基于累积量的MMSE准则6.1.3RLS自适应算法6.2高阶统计量在独立分量分析中的应用6.2.1问题的数学描述6.2.21CA问题的解法6.3基于高阶累积量的时间延迟估计6.3.1基于双谱估计的时延估计6.3.2基于互双倒谱的时延估计6.3.3自适应时延估计方法参考文献第7章Alpha稳定分布与分数低阶统计量7.1历史回顾7.1.1历史回顾7.1.2发展动因7.2Alpha稳定分布的概念7.2.1a稳定分布的概念7.2.2a稳定分布的几种特殊情况7.2.3广义中心极限定理7.2.4a稳定分布的性质7.2.5a稳定分布的概率密度函数7.2.6多变量O稳定分布7.2.7对称O稳定分布随机信号(随机过程)7.3分数低阶统计量7.3.1分数低阶矩7.3.2负阶矩7.3.3零阶矩7.3.4a稳定分布过程的分类7.3.5用于脉冲特性信号建模的其他分布7.4共变及其应用7.4.1共变的概念7.4.2共变的主要性质7.4.3共变在线性回归中的应用7.4.4复SaS分布的共变7.5对称Alpha稳定分布的参数估计7.5.1最大似然估计方法7.5.2基于样本分位数的参数估计方法7.5.3基于样本特征函数的参数估计方法7.5.4无穷方差的检验7.5.5基于负阶矩的方法7.5.6计算机模拟中的若干问题参考文献第8章基于分数低阶统计量的信号处理8.1稳定分布的参数模型方法8.1.1最

MI-ELM：基于分层极限学习机的高效多实例学习

成都的所有种类POI有17类：美食中餐厅、外国餐厅、小吃快餐店、蛋糕甜品店、咖啡厅、茶座、酒吧酒店星级酒店、快捷酒店、公寓式酒店购物购物中心、百货商场、超市、便利店、家居建材、家电数码、商铺、集市生活服务通讯营业厅、邮局、物流公司、售票处、洗衣店、图文快印店、照相馆、房产中介机构、公用事业、维修点、家政服务、殡葬服务、彩票销售点、宠物服务、报刊亭、公共厕所丽人美容、美发、美甲、美体旅游景点公园、动物园、植物园、游乐园、博物馆、水族馆、海滨浴场、文物古迹、教堂、风景区休闲娱乐度假村、农家院、电影院、KTV、剧院、歌舞厅、网吧、游戏场所、洗浴按摩、休闲广场运动健身体育场馆、极限运动场所、健身中心教育培训高等院校、中学、小学、幼儿园、成人教育、亲子教育、特殊教育学校、留学中介机构、科研机构、培训机构、图书馆、科技馆文化传媒新闻出版、广播电视、艺术团体、美术馆、展览馆、文化宫医疗综合医院、专科医院、诊所、药店、体检机构、疗养院、急救中心、疾控中心汽车服务汽车销售、汽车维修、汽车美容、汽车配件、汽车租赁、汽车检测场交通设施飞机场、火车站、地铁站、地铁线路、长途汽车站、公交车站、公交线路、港口、停车场、加油加气站、服务区、收费站、桥、充电站、路侧停车位金融银行、ATM、信用社、投资理财、典当行房地产写字楼、住宅区、宿舍公司企业公司、园区、农林园艺、厂矿政府机构中央机构、各级政府、行政单位、公检法机构、涉外机构、党派团体、福利机构、政治教育机构出入口高速公路出口、高速公路入口、机场出口、机场入口、车站出口、车站入口、门（备注：建筑物和建筑物群的门）、停车场出入口自然地物岛屿、山峰、水系

PSO-ELM粒子群优化的极限学习机，通过调节参数拟合效果很好，便于大家使用，为学者和科研人员提供基础和思路

unity跑酷项目以及源代码，超炫的超炫的场景，极限的优化，pc、安卓、IOS随意切换。

俄罗斯数学教材选译数学分析（第1卷）-卓里奇高等教育出版社《俄罗斯数学教材选译》序.第4版和第3版序言第2版序言第1版序言摘录第一章一些通用的数学概念与记号1.逻辑符号2.集与集的初等运算3.函数4.某些补充第二章实数1.实数集的公理系统及它的某些一般性质2.最重要的实数类及实数计算方面的一些问题3.与实数集的完备性有关的基本引理4.可数集与不可数集第三章极限1.序列的极限2.函数的极限第四章连续函数1.基本定义和例子2.连续函数的性质.第五章微分学1.可微函数2.微分的基本法则3.微分学的基本定理4.用微分学的方法研究函数5.复数初等函数彼此间的联系..6.自然科学中应用微分学的一些例子7.原函数第六章积分1.积分定义和可积函数集的描述2.积分的线性性、可加性和单调性3.积分和导数4.积分的一些应用5.反常积分第七章多变量函数和它的极限与连续性1.空间rm和它的重要子集类2多变量函数的极限与连续性第八章多变量函数微分学1.rm中的线性结构2.多变量函数的微分3.微分法的基本定律4.多变量实值函数微分学的基本事实5.隐函数定理6.隐函数定理的一些推论7.rn中的曲面和条件极值理论口试试题考试大纲参考文献名词索引中文版修订者的话

在线ELM，OS-ELM;核极限学习机;BD-ELM;elm-ae;RES-ELM;SC-ELM等各种极限学习机matlab代码

受激喇曼散射可以将紫外准分子激光辐射频移到特定的近紫外和可见光波长.采用喇曼整形技术还可以获得衍射极限发散角的斯托克斯输出.本文研究了注入光束质量对喇曼整形的影响,并求得不同氢压力下的喇曼增益系数和饱和参量.

授课对象：这是一门数学课程，适合有志于转往大数据分析领域的非数学专业人士（例如IT人，业务人员等）补强数学基础，以更好地学习更高级的数据分析，数据挖掘，机器学习课程收获预期：可以大幅度提高学员的数学基础，使其学习其它大数据分析课程时觉得更加简单，得心应手课程内容：第1课面向小白的统计学：描述性统计（均值，中位数，众数，方差，标准差，与常见的统计图表）第2课赌博设计：概率的基本概念，古典概型第3课每人脑袋里有个贝叶斯：条件概率与贝叶斯公式，独立性第4课啊！微积分：随机变量及其分布（二项分布，均匀分布，正态分布）&J.e3P:w6X2^;K*W1U&X第5课万事皆由分布掌握：多维随机变量及其分布4o7|%v%n9\"m4R)|第5课砖家的统计学：随机变量的期望，方差与协方差"s4@+n.v"I:V)`-u第6课上帝之手，统计学的哲学基础：大数定律、中心极限定理与抽样分布+j:W+V/n1_4Y)`/w+[第8课点数成金，从抽样推测规律之一：参数估计之点估计$v3^1V.H(t,G9b:U第9课点数成金，从抽样推测规律之二：参数估计之区间估计第10课对或错？告别拍脑袋决策：基于正态总体的假设检验第11课扔掉正态分布：秩和检验!s!G1w#i3P*]#e第12课预测未来的技术：回归分析,O%b!U)k4h#]$p第13课抓住表象背后那只手：方差分析第14课沿着时间轴前进，预测电子商务业绩：时间序列分析简介,X.n%b4~8PE9\+d第15课PageRank的背后：随机过程与马尔科夫链简介

网络扫描技术揭秘原理、实践与扫描器的实现.李瑞民，原版光盘所有文件拷贝，7z格式，极限压缩21M，要是用winrar最大压缩得有80M

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。