第一章误差 第三章解线性代数方程组的直接方法 第三章非线性方程的数值解法 第四章解线性方程组的迭代法 第五章求矩阵特征值及特征向量的数值方法 第六章代数插值 第七章样条函数(略) 第八章数值积分 第九章常微分方程处置问题的数值解

采样数据输出形式 采样数据接收方法 为什么要大容量存储？ 怎么实现大容量存储？ 如何利用大容量数据？

物理实验、化学实验是物理课、化学课的重要环节数学实验同样是学好计算方法课必 不可少的一环 数学实验是指学生用自己编写的程序验证算式的正确性的实验·正确性包括稳定性和 收敛性两方面的内容,并都用“误差”作检验标准此外数学实验也含验证算法的复杂性 在数学实验里,该误差有时指计算值和理论值的差

5.1 向量空间的定义 一、向量空间概念的引入 二、向量空间的定义 三、向量空间的例子 四、向量空间的基本性质 5.2 向量的线性相关性 5.3 基维数和坐标 一. 基 二. 维数 三. 关于基和维数的几个结论 四. 坐标 五. 过渡矩阵及向量在不同基下坐标的关系 六. 过渡矩阵的性质 5.4 子空间 5.5 向量空间的同构 第六章 线性方程组 6.1 消元解法 6.3 齐次线性方程组解的结构 6.4 一般 线性方程组解结构 6.5 秩与线性相关性 6.6 特征向量与矩阵的对角化 第七章 线性变换 7.1 线性变换的定义及性质 7.2 线性变换的运算 7.3 线性变换的矩阵 7.4 不变子空间 7.5 线性变换的本征值和本征向量 第八章 欧氏空间 8.1 欧氏空间的定义及基本性质 8.2 度量矩阵与正交基 8.3 正交变换与对称变换 8.4 子空间与正交性 8.5 对称矩阵的标准形

➢ 掌握G54对刀方法 ➢ 掌握短套零件、简易盘零件及薄壁件零件加工的工艺规程制定内容 ➢ 短套零件、简易盘零件及薄壁件零件的质量检测 ➢ 掌握薄壁件的装夹方法和加工特点 ➢ 相应的知识链接库 任务1 数控车削加工短套零件 任务2 数控车削加工简易盘零件 任务3 数控车削加工简易盘零件

Ø数值积分基本概念 Ø插值型求积公式 Ø求积分的蒙特卡罗方法 Ø复合求积公式 Ø高斯型数值求积公式 Ø龙贝格外推计算公式

基于客观分析和梯度倒数加权滤波提高时序MODIS LAI数据产品质量 基于生态曲线和时空滤波的MODIS时序遥感数据产品质量改进

1 概率论基础 1.1 为什么需要概率空间 1.1.1 理发师悖论 (Barber paradox) 1.1.2 贝特朗悖论 (Bertrand’s Paradox) 1.1.3 非悖论, 生日问题 1.2 概率空间 1.2.1 可测空间 1.2.2 概率空间 1.2.3 条件概率 1.2.4 全概率公式和 Bayes 公式 1.3 随机变量和分布函数 1.3.1 数字特征 1.3.2 矩函数 (Moment Generating Function) 1.3.3 特征函数 (Characteristic function) 1.3.4 反演公式及唯一性定理 1.3.5 多维随机变量的特征函数 1.4 独立性与条件期望 1.4.1 独立性 1.4.2 条件期望 1.4.3 条件分布 1.4.4 一般条件期望 ⋆ 2 随机过程的基本概念与类型 2.1 随机过程的背景 2.2 基本概念 2.3 有限维分布与 Kolmogorov 定理 2.3.1 随机过程的数字特征 2.4 随机过程的基本类型 2.4.1 平稳过程 2.4.2 独立增量过程 3 Brown 运动（维纳过程） 3.1 基本概念与性质 3.2 维纳过程的分布 3.3 维纳过程的数字特征 3.3.1 二次变差 3.4 Brown 运动的鞅性质 3.5 Brown 运动的最大值变量及反正弦律 3.6 Brown 运动的几种变化 3.6.1 Brown 桥 3.6.2 几何 Brown 运动 4 Poisson 过程 4.1 齐次泊松过程 4.1.1 Poisson 过程数学模型 4.1.2 齐次泊松过程的数字特征 4.1.3 时间间隔与等待时间的分布 4.1.4 到达时间的条件分布 4.1.5 更新计数过程 4.2 复合泊松过程 4.2.1 复合 Poisson 过程 4.3 非齐次泊松过程 (了解内容，不考察) 5 鞅 (Martingale) 过程 5.1 基本概念 5.2 鞅的停时定理及其应用 5.2.1 鞅的停时定理 5.3 连续鞅

数据集成 数据仓库 数据挖掘

教学目标： • 1、了解人体测量的基本术语、人体的体部指数、知道人体测高仪、直角规、弯角规的使用方法、理解均值、方差、标准差、百分位数等的定义和含义； • 2、掌握如何选择百分位和适用度、人体测量数据的运用准则、能够确定功能修正量； • 3、能够综合运用和掌握人体测量数据，尤其熟悉人体测量数据在设计产品中的应用。 教学内容： 第一节 人体尺寸测量 第二节 人体的人机学参数计算 第三节 人体测量数据的应用