一、随机变量的数 二、高散型随机变量函数的分布 三、连续型随机变量数的分市

一、性质 随机现象广泛地存在于人类活动的各个方面。随着科技的不断进步，人们对 定量地分析随机现象的规律性提出了愈来愈多愈来愈高的要求，概率论的主要任 务是对不同类型的随机现象建立不同的数学模型，研究它们各自的规律和相互关 系, 其理论严谨，内容丰富，应用广泛，发展迅速，是目前最活跃的数学学科之 一,它有不同于其它研究必然现象的数学分支的独特的思想和方法

课程介绍 线性代数是我校高工专类各专业一门重要的基础教育课。本课程坚持“以应用为目的,必 须够用为度,理论精要,应用突出”的原则,按照“从实际中来,到实际中去”的思想,即从 实际中提出问题一一建立数学模型一求解数学模型一一解决实际问题,将线性代数的基本知 识、四大内容贯穿在一起,自成体系,为各专业的专业课学习提供必要的理论基础 本课程总计二十学时,是运用启发式、互动式、参与式和以学生为主体教学方法的讲授与实 践性教学,完成所设计的教学任务

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

在线性方程组的讨论中，我们看到，线性方程组的一些重要性质反映在它的 系数矩阵和增广矩阵的性质上，并且解线性方程组的过程也表现为变换这些矩阵 的过程.除了线性方程组之外，还有大量的各种各样的问题也都提出矩阵的概念， 并且这些问题的研究常常反映为有关矩阵的某些方面的研究

本章我们讨论的主要是数据文件。数据文件存储的是程序运行时所用到的数据。在实际应用中,经常涉及到需要重复使用的大量数据,在这种情况下,如果每次都从键盘上输入,一方面造成大量的人力、物力浪费,另一方面又增大了输入出错的可能性。解决这种问题的常用方法是,把待输入的大量数据预先准 确无误地以文件的形式存储到磁盘上,需要用到数据时,从文件中读出即可。同样,我们也可把程序的运行结果存到磁盘上这样既能长期保存数据,又能做到数据共享

特殊类型的一阶方程的求解 一阶方程的一般形式为F(x,y,y)=0 本节主要研究能把导数解出来的一阶方程

一、二次型的标准型 二次型中最简单的一种是只包含平方项的二次型

脉冲法测距一直接测定仪器所发射的脉冲信号往返于被测距离的传播时间以获得距离。 由于脉冲在路程中经历时间太短,通常用记录高频振荡晶体的振动次数计算时间,自动完成。通过的脉冲数n=fcp·t2D,fcp一时标的脉冲频率光脉冲发射器

一、信息结构与E-R方法 二、概念数据模型 三 、传统的三大数据模型 四、数据独立性与三层结构 五、数据库管理系统的结构