解析方法和数值方法 求方程 f x( ) = 0 的解（或根），就是要寻找一个数 x*，使得满足 0)( * xf = 。 求方程的解主要方法有两种：解析方法和数值方法

第一部分 算法篇 第一章 最优化问题与数学基础 第二章 线性规划和单纯形方法 第三章 对偶线性规划 第四章 无约束最优化计算方法 第五章 约束最优化方法 第六章 直接搜索方法 第二部分 应用篇 2.1 单纯形算法 2.2 修正单纯形算法 3.1 对偶单纯形算法 4.1 下降迭代算法 4.2 黄金分割算法..... 4.3 两点三次插值算法.... 4.4 模式算法....... 4.5 最速下降算法 4.6 牛顿算法 4.7 FR共轭梯度算法 4.8 SR1算法 4.9 DFP算法 4.10 信赖域算法 5.1外点（罚函数）法

但高次多项式求根精度低 , 一般不作为求解方法. 目前的方法是针对矩阵不同的特点给出不同的有效方法. 工程实践中有多种振动问题，如桥梁或建筑物的振 动，机械机件、飞机机翼的振动，及一些稳定性分析和 相关分析可转化为求矩阵特征值与特征向量的问题

一、基本QR方法 60年代出现的QR算法是目前计算中小型矩阵的全部特征值与 特征向量的最有效方法。实矩阵、非奇异。 理论依据:任一非奇异实矩阵都可分解成一个正交矩阵Q和 一个上三角矩阵R的乘积,而且当R的对角元符号取定时,分解是 唯一的

第九章 函数逼近 9.1 逼近问题的描述 9.2 内积空间的最佳逼近 9.3 最小二乘法 9.4 最佳平方逼近与正交多项式 9.5 周期函数的最佳平方逼近与快速傅立叶变换 9.6 最佳一致逼近多项式 9.7 切比雪夫多项式 9.8 函数逼近的若干重要定理 第十章 最优化方法 10.1 线性规划问题 10.2 线性规划问题的几何意义 10.3 单纯形法 10.4 非线性优化问题 10.5 一维搜索 10.6 无约束非线性优化

近年来，无人机入侵的事件经常发生，无人机跌落碰撞的事件也屡见不鲜，在人群密集的地方容易引发安全事故，所以无人机监测是目前安防领域的研究热点。虽然目前有很多种无人机监测方案，但大多成本高昂，实施困难。在5G背景下，针对此问题提出了一种利用城市已有的监控网络去获取数据的方法，基于深度学习的算法进行无人机目标检测，进而识别无人机，并追踪定位无人机。该方法采用改进的YOLOv3模型检测视频帧中是否存在无人机，YOLOv3算法是YOLO（You only look once，一次到位）系列的第三代版本，属于one-stage目标检测算法这一类，在速度上相对于two-stage类型的算法有着明显的优势。YOLOv3输出视频帧中存在的无人机的位置信息。根据位置信息用PID（Proportion integration differentiation，比例积分微分）算法调节摄像头的中心朝向追踪无人机，再由多个摄像头的参数解算出无人机的实际坐标，从而实现定位。本文通过拍摄无人机飞行的照片、从互联网上搜索下载等方式构建了数据集，并且使用labelImg工具对图片中的无人机进行了标注，数据集按照无人机的旋翼数量进行了分类。实验中采用按旋翼数量分类后的数据集对检测模型进行训练，训练后的模型在测试集上能达到83.24%的准确率和88.15%的召回率，在配备NVIDIA GTX 1060的计算机上能达到每秒20帧的速度，可实现实时追踪

一、一元数据处理方法 1、插值法 2、数据拟合 2.1 线性最小二乘拟合（多项式拟合）方法 2.2 回归分析方法 二、多元数据处理方法 1、二维插值 2、多元回归分析 3、聚类分析 4、主成分分析 三、如何写好建模竞赛论文

§1.乘幂法和反幂法 §2. QR方法 §2.Jacobi方法

一、考核知识点: 欧拉法,改进欧拉法,龙格库塔法,单步法的收敛性与稳定性。 二、考核要求: 1.熟练掌握用欧拉法,改进欧拉法求微分方程近似解的方法。 2.了解龙格-库塔法的基本思想;掌握用龙格库塔法求微分方程近似解的 方法

上一章的分离变效法是对直角坐标系的各种定解问题和平面极坐 标系稳定场问题进行的,出现的本征函数都是三角函数.但实际问题 中的边界是多种多样的,坐标系必须参照问题中的边界形状来选择, 不可能总是直角坐标系或平面极坐标系. 圆球形和圆柱形就是两种常见的边界,相应地用球(极)坐标系 和柱坐标系比较方便.本章要考察球坐标系和柱坐标系中的分离变数 法所导致的常微分方程以及相应的本征值问题