◼ 泛型（类属）的基本概念 ◼ 函数模板 ◼ 类模板 ◼ 模板的复用问题 ◼ 基于C++标准模板库(STL)的编程

§8.1 两端固定的弦的振动 §8.2 非齐次边界条件 §8.3 齐次的泛定方程 §8.4 有界杆的导热问题 §8.6 矩形膜的自由振动 §8.5 矩形区域中的调和函数 §8.7 平面极坐标系下的拉氏方程 §8.8 非齐次泛定方程

◼ 泛型（类属）的基本概念 ◼ 函数模板 ◼ 类模板 ◼ 模板的复用问题 ◼ 基于C++标准模板库(STL)的编程

包括以下11门课程：概率论与数理统计、实变函数、泛函分析、拓扑学、微分几何、C语言、近世代数、运筹学、常微分方程、复变函数、大学物理

泛函，简单地说，就是以整个函数为自变量的函数．这个概念，可以看成是函数概念的 推广． F 所谓函数，是指给定自变量x(定义在某区间内)的任一数值，就有一个y与之对应．y称 为x的函数，记为y = f(x)．

泛函,简单地说,就是以整个函数为自变量的函数.这个概念,可以看成是函数概念的推广。所谓函数,是指给定自变量x(定义在某区间内)的任一数值,就有一个y与之对应.y称为

针对单核学习支持向量机无法兼顾学习能力与泛化能力以及多核函数参数寻优问题，提出了一种基于群体智能优化的多核学习支持向量机算法。首先，研究了五种单核函数对支持向量机分类性能的影响，进一步提出具有全局性质的多项式核和局部性质的拉普拉斯核凸组合形式的多核学习支持向量机算法；其次，为增加粒子多样性及快速寻优，将粒子群优化算法引入了遗传算法中的杂交操作，并用此改进的群体智能优化算法对多核学习支持向量机进行参数寻优。最后，分别采用深度特征与手工特征作为识别算法的输入，研究表明采用深度特征优于手工特征。故本文采用深度特征作为多核学习支持向量机的输入，以交叉遗传与粒子群混合智能优化算法作为其寻优方式。实验选取合作医院数据集对所提算法进行训练并初步测试，进一步为了验证所提算法的泛化能力，选取公开数据集LUNA16进行测试。实验结果表明，本文算法易于跳出局部最优解，提升了算法的学习能力与泛化能力，具有较优的分类性能

课程性质：数学分析是数学系最重要的一门基础课，是许多后继 课程如微分几何，微分方程，复变函数，实变函数与泛函分析，计算 方法，概率论与数理统计等课程必备的基础，是数学系本科一、二年 级学生的必修课

课程性质:数学分析是数学系最重要的一门基础课,是许多后 继课程如微分几何,微分方程,复变函数,实变函数与泛函分析 计算方法,概率论与数理统计等课程必备的基础,是数学系本科 、二年级学生的必修课

通过求解一个相应的泛函的 极小函数而得到偏微分方程边值问 题的解,这种理论和方法通常叫作 偏微分方程中的变分原理,简称变 分方法。本章通过求解一类边值问 题和特征值问题简单介绍该方法的 理论及其应用