《概率论与数理统计》是研究随机现象数量规律的数学学科,理论严谨,应用广泛,发展 迅速。目前,不仅高等学校各专业都开设了这门课程,而且从上世纪末开始,这门课程特意被国 家教委定为本科生考研的数学课程之一，希望大家能认真学好这门不易学好又不得不学的重 要课程。 概率(或然率或几率)——随机事件出现的可能性的量度，其起源与博弈问题有关

矩阵概念的一些背景 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,甚至于有 些性质完全不同的、表面上完全没有联系的问题,归结成矩阵问题以后却是相 同的这使矩阵成为数学中一个极其重要的应用广泛的概念,因而也就使矩阵成 为代数特别是线性代数的一个主要研究对象

§9.1 多元函数的基本概念 一、平面点集 二、多元函数的概念 三、多元函数的极限 四、多元函数的连续性 §9.2 偏导数 一、偏导数的定义及其计算法 二、高阶偏导数 §9.3 全微分 一、全微分的定义 二、可微的条件 §9.4 多元复合函数的求导法则 一、多元复合函数求导的链式法则 二、全微分形式不变性 §9.5 隐函数的求导公式 一、一个方程的情形 二、方程组的情形 §9.6 多元函数微分学的几何应用 一、空间曲线的切线与法平面 二、曲面的切平面与法线 §9.7 方向导数与梯度 一、方向导数 二、梯度 §9.8 多元函数的极值及其求法 一、多元函数的极值及最大值与最小值 二、条件极值 拉格朗日乘数法

行列式理论在解一类特殊的线性方程组方面有重要应用, 对于二元一次和三元一次方程组,当方程组的系数行列式不 为0时,方程组有唯一的公式解。对于n元一次方程组,相应 的结论也成立,这就是下面要介绍的 Gramer法则

低矿化度水驱作为一种经济可行的精细化注水技术, 其产生的微粒运移机理能有效地改变储层物性与吸水剖面, 进而达到均衡驱替和提高采收率的效果.本文基于胶体稳定性Derjaguin-Landau-Verwey-Overbeek (DLVO)理论与扩散双电层理论, 从微观角度分析了注入水矿化度、离子价型等因素对黏土微粒受力与运移量的影响, 通过最大滞留体积分数方程建立了微粒运移量与渗透率损伤程度间的关系.针对纵向非均质油藏特高含水期层间干扰严重的问题, 开展了特高含水期转注低矿化度水驱的数值模拟研究.微粒受力分析与数值模拟结果表明, 特高含水期转注低矿化度水后, 分流量较多的高渗层会产生大量的黏土微粒水化膨胀、运移与堵塞作用, 造成高渗层渗透率明显下降, 注入水被更多地分流到水驱程度较小的中、低渗层, 有效地调节了吸水剖面并缓解了层间干扰问题, 相比常规海水驱可提高约3%的原油采收率, 进而达到提高层间均衡动用程度与原油采收率的效果

在客观世界中普遍存在着变量之间的关系.变 量之间的关系一般来说可分为确定性的与非 确定性的两种.确定性关系是指变量之间的关 系可以用函数关系来表达的.另一种非确定性 的关系即所谓相关关系.例如人的身高与体重 之间存在着关系,一般来说,人高一些,体重要 重一些,但同样高度的人,体重往往不相同.人 的血压与年龄之间也存在着关系

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

§8.1 向量及其线性运算 一、向量的概念 二、向量的线性运算 三、空间直角坐标系 四、利用坐标作向量的线性运算 五、向量的模、方向角、投影 §8.2 数量积 向量积 混合积 一、两向量的数量积 二、两向量的向量积 三、向量的混合积 §8.3 平面及其方程 一、曲面方程与空间曲线方程的概念 二、平面的点法式方程 三、平面的一般方程 四、两平面的夹角 §8.4 空间直线及其方程 一、空间直线的一般方程 二、空间直线的对称式方程与参数方程 三、两直线的夹角 四、直线与平面的夹角 五、平面束 §8.5 曲面及其方程 一、曲面研究的基本问题 二、旋转曲面 三、柱面 四、二次曲面 §8.6 空间曲线及其方程 一、空间曲线的一般方程 二、空间曲线的参数方程 三、空间曲线在坐标面上的投影

•本章内容介绍了数据可视化的相关知识。数据可视化在大数据分析中具有非常重要的作用，尤其从用户角度而言，它是提升用户数据分析效率的有效手段。•可视化工具包括入门级工具、信息图表工具、地图工具、时间线工具和高级分析工具，每种工具都可以帮助我们实现不同类型的数据可视化分析，可以根据具体应用场合来选择适合的工具。•介绍了一些典型的数据可视化案例，从中可以深刻感受到数据可视化的魅力和重要作用。 10.1 可视化概述 10.1.1 什么是数据可视化 10.1.2 可视化的发展历程 10.1.3 可视化的重要作用 10.2 可视化工具 10.2.1 入门级工具 10.2.2 信息图表工具 10.2.3 地图工具 10.2.4 时间线工具 10.2.5 高级分析工具 10.3 可视化典型案例 • 10.3.1 全球黑客活动 • 10.3.2 互联网地图 • 10.3.3 编程语言之间的影响力关系图 • 10.3.4 百度迁徙 • 10.3.5 世界国家健康与财富之间的关系 • 10.3.6 3D可视化互联网地图APP 10.4 可视化工具实践 • 10.4.1 D3可视化库使用指南 • 10.4.2 Easel.ly信息图制作实践 • 10.4.3 数据可视化之魔镜 • 10.4.4 数据可视化之ECharts

一、多项式函数 1.定义:设f(x)=a+ax+…+anxn∈F[x],对 Vc∈F,数f(c)=a+ac++anc∈F称为当 x=c时f(x)的值,若f(c)=0,则称c为f(x)在 F中的根或零点。 2.定义(多项式函数):设f(x)∈F[x],对 Vc∈F,作映射f: