3.1 基于推理的视觉理解概述 3.1.1 逆向和不适定问题 3.1.2 感知组织现象 3.1.3 视觉识别和推理 3.2 感知组织的基本原理 3.2.1 根据图象关系的显要性进行聚类 3.2.1.1 图象关系非偶然性产生的概率 3.2.1.2 限制计算的复杂性 3.2.2 通过求能量极小进行聚类 3.2.2.1 计算策略 3.2.2.2 感知聚类中的表象 3.2.2.3 聚类能量的计算 3.2.3 根据图象特征推论三维空间结构 3.3 景物结构的模型 3.3.1 部件模型和自然形状表示法 3.3.2 部件识别理论（Recognition-By-Component, RBC）

一、单调性的判别法 二、单调区间求法 三、小结思考题

1.非线性方程实根的对分法(二分法) 设f(x)在{a,b]上连续且[an,b]有且仅有一个根又 f(a)·f(b)0

第六章、数值微分与数值积分 一、数值微分 1、差商型求导公式

插值 问题的提出: 不少实际问题不但要求在节 点上函数值相等,而且 还要求它的导数值也相等(即 要求在节点上具有一阶光 滑度),甚至要求高阶导数也相 等,满足这种要求的插值 多项式就是埃尔米特 ( Hermite)插值多项式。下面只讨 论函数值与导数值个数相等的 情况

本章介绍弹性变形势能,并将虚位移原理、势能驻值原理及最小势能原理用于变形体。本章重点介绍单位载荷法,这是一种用能量原理求位移的方法,是一种很简单实用方法

给出一组离散点,确定一个函数逼近原函数,插值是这样的一种手段在实际中,数据不可避免的会有误差,插值函数会将这些误差也包括在内因此,我们需要一种新的逼近原函数的手段: ①不要求过所有的点(可以消除误差影响) ②尽可能表现数据的趋势,靠近这些点

数值微分 1.函数f(x)以离散点列给出时,而要求我们给出导数值, 2.函数f(x)过于复杂 这两种情况都要求我们用数值的方法求函数的导数值

18.1求数组中的最大值 18.1.1基本思路与实现 18.1.2实例 18.2将数组元素排序 18.2.1现实算法与程序算法的不同 18.2.2冒泡排序

1、设f(x)=,在[-1,1上求f(x)的一次最佳一致逼近多项式。 2、设f(x)∈Ca,b]试证明:f(x)的零次最佳一致逼近多项式p(x)=(M+m),其中M,m 分别为f(x)在[a,b]上的最大值和最小值