本课程是自动化专业的学科大类基础课程，是一门必修课，是本专业主干课程。通过本课程的学习，使学生建立经典控制理论部分的基本概念，学习现代控制理论的基本内容，掌握反馈控制原理的应用以及分析和设计的一般规律，使其具有分析和设计自动控制系统的初步能力。同时，为专业基础课及专业课的学习打好基础，而且为以后从事实际工作和科研奠定一定的理论基础。重点：线性系统的时域分析法、线性系统的根轨迹法、线性系统的频域分析法以及线性系统的状态空间分析与综合；难点：结构图等效变换、梅森公式的应用、扰动作用下减小或消除稳态误差的措施、高阶系统动态性能分析、广义根轨迹的分析与应用、复杂系统稳定裕度的确定、多环系统的开环幅相曲线、对数曲线的概略绘制及相应系统传递函数的确定、反馈校正方法及应用、矩阵指数的计算、状态方程的求解、系统能控性、能观测性问题以及稳定性概念的理解

第一节 有限域计算 •群、环、域、 •模运算、有限域、多项式计算 •欧几里德算法、扩展欧几里德算法 第二节 素数相关问题 •素数、素因子分解 •费马定理、欧拉函数、欧拉定理、求逆元 •素性测试：WITNESS测试算法、Miller Rabin测试算法 第三节 本原元与指数方程 •本原元、快速指数算法 第四节 单向函数和单向陷门函数 • 单向函数、单向陷门函数 • 离散对数 第五节 有限域方程 • 中国剩余问题：ax mod n =b • 二次剩余问题、求解x 2 mod p=a 第六节 秘密分享技术 • 拉格朗日插值法

前面学习了极限、连续函数、实数的连续性,以及导数于微分,特别是重点学习了导 数、微分的概念。我们知道求导是一种运算,它的被运算对象是函数。在以前我们也学过 很多的运算。例如,加、减、乘、除、乘方、开方、指数、对数等等。我们可以将求导运 算与这些已知的很熟悉的运算相类比。(用旧的概念和新的概念相类比,从已有的经验中来 发现新概念、新知识中的规律,这是一种数学方法)我们看看这些旧的运算,我们很快会 发现它们都成对出现,而且每对都是互为逆运算。我们不禁会想到,求导运算是否有逆运 算,它的逆运算是什么?

本课程是为数学系本科高年级学生开设的.本课程讲述一般空间上的测度论的基础 知识和欧氏空间R上的 Lebesgue测度与积分理论. 现代数学的许多分支如概率论,泛函分析,群上调和分析等越来越多的用到一般空 间上的测度理论.对数学专业的学生而言,掌握一般空间上的测度论的基础知识,已经 变得越来越重要.因此本课程将一般空间上的测度论和R上的Lebesgue积分结合起来 讲述,交叉进行一般是每章先介绍一般空间上的概念与定理,然后将R上的Lebesgue 测度与积分作为特例,加以重点介绍.这样,既学习了 Lebesgue测度与积分理论,也学 习了抽象空间上的测度论

我们这门课程叫高等数学,它的内容包括一元 和多元微积分学,无穷级数论和作为理论基础的 极限理论,以及作为一元微积分学的简单应用 常微分方程。由于构成它的主体是一元函数微 积分学,所以有时又称为微积分。 17世纪(1763年) Descartes建立了解析几何,同 时把变量引入数学,对数学的发展产生了巨大的影 响,使数学从研究常量的初等数学进一步发展到研 究变量的高等数学。微积分是高等数学的一个重要 的组成部分,是研究变量间的依赖关系函数的 一门学科,是学习其它自然科学的基础

Fourier 变换及其逆变换 前面关于 Fourier 级数的论述都是对周期函数而言的，那么对于 非周期函数，又该如何处理呢？ 在 +∞−∞ ),( 上可积的非周期函数 f x( )可以看成是周期函数的极限 情况，处理思路是这样的： （1） 先取 f x( )在[ ,] −T T 上的部分（即把它视为仅定义在[ ,] −T T 上 的函数），再以2T 为周期，将它延拓为 +∞−∞ ),( 上的周期函数 f x T ( )；

4 LINGO函数 说明: 有了前几节的基础知识,再加上本节的内容,就能够借助于 LINGO建立并求解复杂的优化模型。 函数类型(9种): 1.基本运算符:算术运算符、逻辑运算符、关系运算符 2.数学函数:三角函数和常规的数学函数 3.金融函数:两种金融函数 4.概率函数:大量概率相关的函数 5.变量界定函数:定义变量的取值范围 6.集操作函数:对集的操作提供帮助 7.集循环函数:遍历集的元素,执行一定的操作的函数 8.数据输入输出函数:允许模型和外部数据源相联系,进行数据的输入输出 9.辅助函数:各种杂类函数

前面关于 Fourier 级数的论述都是对周期函数而言的，那么对于 非周期函数，又该如何处理呢？ 在(−,+) 上可积的非周期函数 f (x)可以看成是周期函数的极限 情况，处理思路是这样的：

一、对称双线性函数 二、反对称双线性函数 三、正交基 四、双线性度量空间

提出了一种基于粗网格与模式搜索相结合的支持向量机分类器模型参数优化方法,采用Jaakkola-Haussler误差上界作为模型选择的评价标准。以黎曼几何为理论依据,提出了一种新的保角变换,对核函数进行数据依赖性改进,进一步提高分类器泛化能力。在研究人工非线性分类问题的基础上,将该方法应用于手写相似汉字识别,实验结果表明分类精度得到了明显提高