语法分析是编译程序的核心部分、语法分析的作用是识别 由词法分析给出的单词符号序列是否是给定文法的正确句子 （程序）， 自顶向下分析法也就是从文法的开始符号出发企图推导 出与输入的单词串完全相匹配的句子，若输入串是给定文法 的句子，则必能推出，反之必然出错。自顶向下分析法又可 分为确定的和不确定的两种，确定的分析方法需对文法有一 定的限制，但由于实现方法简单、直观，便于手工构造或自 动生成语法分析器，因而仍是目前常用的方法之一。不确定 的方法即带回溯的分析方法(又称回溯法)，这种方法实际上 是一种穷举的试探方法，因此效率低，代价高，因而极少使 用

为较好地表征当前北京整个区域大气颗粒物质量浓度随时间尺度的变化及区域分布污染特征，根据北京市35个监测站点获得的2013年3—5月颗粒物质量浓度1 h均值，分析和研究PM2.5和PM10质量浓度的季节性变化并提高其空间分辨率，在此基础上探讨颗粒物可能的影响因素及污染来源.结果表明，3—5月颗粒物质量浓度具有周期性变化规律和显著相关性，应用MATLAB空间插值算法实现的颗粒物质量浓度区域分布图具有一定精度，可外推并揭示颗粒物区域污染特征.分析表明当前北京颗粒物污染的影响因素有冬末的冷锋和降雪、春季的沙尘和大风、夏初的降雨和湿热等；污染区域则呈现南高北低的特征，污染来源除了本地人为源以外，周边区域传输也有较大影响.通过颗粒物污染的时间序列和空间插值的结合分析，可为进一步研究颗粒物时空关系及掌握区域污染特征提供方法

以光流法为依据,提出了一种基于光流方向信息熵(entropy of oriented optical flow,EOF)统计的方法捕捉微表情关键帧.首先,采用改进的Horn-Schunck光流法提取视频流中相邻两帧图像的微表情运动特征;其次,采用阈值分析法筛选出投影速度模值较大的光流向量;之后,采用图像信息熵统计光流变化角度,进而得到视频序列的方向信息熵向量,通过对熵向量的分析,实现微表情关键帧捕捉;最后,本实验采用芬兰奥卢大学的SMIC微表情数据库和中国科学院心理研究所傅小兰的CASME微表情数据库作为实验样本,通过与传统的帧差法比较,证明了本文提出的算法优于帧差法,能够较好地表现出微表情变化趋势,为微表情识别提供基础

4.1数值微积分 4.1.1 近似数值极限及导数 4.1.2 数值求和与近似数值积分 4.1.3 计算精度可控的数值积分 4.1.4 函数极值的数值求解 4.1.5 常微分方程的数值解 4.2矩阵和代数方程 4.2.1 矩阵运算和特征参数 4.2.2 矩阵的变换和特征值分解 4.2.3 线性方程的解 4.2.4 一般代数方程的解 4.3 概率分布和统计分析 4.3.1 概率函数、分布函数、逆分布函数和随机数的发生 4.3.2 随机数发生器和统计分析指令 4.4 多项式运算和卷积 • 4.4.1 多项式的运算函数 • 4.4.2 多项式拟合和最小二乘法 • 4.4.3 两个有限长序列的卷积

 理解动态规划算法的概念  掌握动态规划算法的基本要素 最优子结构性质 重叠子问题性质  掌握动态规划算法的设计方法 找出最优解的性质，并刻划其结构特征 递归地定义最优值 以自底向上的方式计算出最优值 根据计算最优值时得到的信息，构造最优解  通过应用范例学习动态规划算法设计策略  矩阵连乘问题 (Matrix-Chain Multiplication)  最长公共子序列问题  最大子段和问题 Maximum Sub-Sequence Sum  凸多边形最优三角剖分问题 Optimal Triangulation of a Convex Polygon  图像压缩问题  0-1背包问题（0/1 Knapsack Problem） 最优二叉查找树 （Optimal Binary Search Tree）

第1章 导论 一、学习指导 二、选择题 三、选择题答案 四、教材练习题详细解答 第2章 数据的搜集 一、学习指导 二、选择题 三、选择题答案 第3章 数据的图表展示 一、学习指导 二、选择题 三、选择题答案 四、教材练习题详细解答 第4章 数据的概括性度量 一、学习指导 二、主要公式 三、选择题 四、选择题答案 五、教材练习题详细解答 第5章 概率与概率分布 一、学习指导 二、主要公式 三、选择题 四、选择题答案 五、教材练习题详细解答 第6章 统计量及其抽样分布 一、学习指导 二、主要公式 三、选择题 四、选择题答案 五、教材练习题详细解答 第7章 参数估计 一、学习指导 二、主要公式 三、选择题 四、选择题答案 五、教材练习题详细解答 第8章 假设检验 一、学习指导 二、主要公式 三、选择题 四、选择题答案 五、教材练习题详细解答 第9章 分类数据分析 一、学习指导 二、主要公式 三、选择题 四、选择题答案 五、教材练习题详细解答 第10章 方差分析 一、学习指导 二、主要公式 三、选择题 四、选择题答案 五、教材练习题详细解答 第11章 一元线性回归 一、学习指导 二、主要公式 三、选择题 四、选择题答案 五、教材练习题详细解答 第12章 多元线性回归 一、学习指导 二、主要公式 三、选择题 四、选择题答案 五、教材练习题详细解答 第13章 时间序列分析和预测 一、学习指导 二、主要公式 三、选择题 四、选择题答案 五、教材练习题详细解答 第14章 指数 一、学习指导 二、主要公式 三、选择题 四、选择题答案 五、教材练习题详细解答 模拟试题一 模拟试题一解答 模拟试题二 模拟试题二解答

 自然语言处理概述 ◼ 什么是自然语言处理 ◼ 自然语言处理的典型应用 ◼ 自然语言处理的基本任务 ◼ 自然语言处理的基本策略和实现方法 ◼ 自然语言处理的难点 ◼ 自然语言处理所涉及的学科  基于规则（知识工程）的自然语言处理方法（理性方法，传统方法） ◼ 基于词典和规则的形态还原（英语）、词性标注以及分词（汉语、日语） ◼ 基于CFG（上下文无关文法）和扩充的CFG（复杂特征集、合一运算）的句法分析 ◼ 基于逻辑形式和格语法的句义分析 ◼ 基于规则的机器翻译  基于语料库（数据）的自然语言处理方法（经验方法） ◼ 语言模型（N元文法） ◼ 分词、词性标注（序列化标注模型） ◼ 句法分析（概率上下文无关模型、移进-规约分析器） ◼ 文本分类（朴素贝叶斯模型、最大熵模型） ◼ 情感分析 ◼ 机器翻译 (IBM Model等) ◼ ......（基于神经网络的深度学习方法）

应用经济学 计量经济学前沿 数据分析软件应用 Python数据分析 博弈论与信息经济学 产业经济学 产业经济学前沿 产业政策专题 发展经济学 环境经济学 机器学习与深度学习 金融风险管理 金融工程 金融经济学 金融实证研究 金融学前沿 科技金融 量化金融前沿 商业伦理与社会责任 生态经济学 时间序列分析 实验经济学 数量经济研究方法 数字经济发展与治理 数字经济学 数字经济专题 投资学 文献阅读与写作 文献阅读与学术写作实践 新制度经济学 中级宏观经济学 中级计量经济学 中级微观经济学 工商管理学 数字营销与消费者行为学 创新创业研究 大数据分析与挖掘 高级管理会计（双语） 会计前沿研究 领导力与组织沟通 企业文化与跨文化管理 数字企业管理 现代企业管理前沿讲座 应用计量经济学 运营管理专题 战略管理研究 质量管理前沿讲座 高级审计理论与实务 公司治理前沿研究 社会科学研究方法 组织行为学 MBA 新时代中国特色社会主义理论与实践 高级商务英语 数据分析与决策 信息系统与信息资源管理 会计学 运营管理 管理经济学 管理学 战略管理 营销管理 人力资源管理 财务管理 公司治理 MBA管理案例研究 项目管理 数字化运营管理 数字化营销 资本运作 数字化商业模式创新 数据资产与数据治理 企业经营模拟实训 大数据财务决策 专业实践 创新创业管理 MPACCS 宏观经济学 公司战略与风险管理 财务会计理论与实务 管理会计理论与实务 财务管理理论与实务 审计理论与实务 商业伦理与会计职业道德 会计专业英语（双语） RPA财务机器人开发与应用 企业数字化运营沙盘模拟 财务报表分析 会计应用研究方法与学位论文写作 大数据审计 机器学习与财务数据挖掘 ESG理论与实务 会计前沿专题

《数学分析》课程教学大纲. 1 《高等代数》课程教学大纲. 23 《空间解析几何》课程课程教学大纲.48 《概率论与数理统计》课程教学大纲.54 《常微分方程》课程教学大纲. 69 《运筹学》课程教学大纲. 77 《数学建模》课程教学大纲. 85 《复变函数》课程教学大纲. 93 《随机过程》课程教学大纲.107 《数值分析》课程教学大纲. 115 《回归分析》课程教学大纲.125 《多元统计分析》课程教学大纲.133 《组合数学》课程教学大纲.146 《Python 程序设计》课程教学大纲.157 《模糊数学》课程教学大纲.172 《最优化方法》课程教学大纲.181 《金融数学》课程教学大纲.190 《计量经济学》课程教学大纲.197 《货币金融学》课程教学大纲.209 《时间序列分析》课程教学大纲.225 《期货及其衍生品基础》课程教学大纲.235 《投资学》课程教学大纲. 248 《数学分析选讲》课程教学大纲.255 《高等数学选讲》课程教学大纲.262 《统计机器学习》课程教学大纲.272 《预测与决算》课程教学大纲.279 《精算学基础》课程教学大纲.291 《风险管理》课程教学大纲.300 《保险精算（寿险）》课程教学大纲.309

§2.1 回归分析概述 (Regression Analysis) 一、变量间的关系及回归分析的基本概念 二、总体回归函数 三、随机扰动项 四、样本回归函数 §2.2 一元线性回归模型的基本假设 (Assumptions of Simple Linear Regression Model) 一、关于模型设定的假设 二、关于解释变量的假设 三、关于随机项的假设 §2.3 一元线性回归模型的参数估计 (Estimation of Simple Linear 一、参数的普通最小二乘估计（OLS） 二、参数估计的最大或然法(ML) 三、最小二乘估计量的性质 四、参数估计量的概率分布及随机干扰项方差的估计 §2.4 一元线性回归模型的统计检验 Statistical Test of Simple Linear Regression Model 一、拟合优度检验 二、变量的显著性检验 三、参数的置信区间 §2.5 一元线性回归分析的应用——预测问题 一、预测值条件均值或个值的一个无偏估计 二、总体条件均值与个值预测值的置信区间 §2.6 实例及时间序列问题