2.1 基本概念 2.2 对称密码 古典密码 分组密码 序列密码 2.3 公钥密码 体制原理 RSA算法 2.4 散列函数和消息认证码 2.5 数字签名 数字签名简介 基于公钥密码的数字签名原理 数字签名算法 2.6 密钥管理 (自学,不考核) 公钥分配对 称密码体制的密钥分配 公钥密码用于对称码体制的密钥分配 Diffie-Hellman 密钥交换

仔细观察上一节中的几幅图像后可以得到这样的直觉:对于一般 的以2为周期的函数f(x),除了个别点之外(看来是不连续点),当 m→∞时,它的 Fourier级数的部分和函数序列{m(x)}

1.1 连续时间和离散时间信号 1.2 自变量的变换 1.3 指数信号和正弦信号 1.3.1 连续时间指数信号和正弦信号 1.3.2 离散时间复指数信号与正弦信号 1.3.3 离散时间复指数序列的周期性质 1.4 单位冲激与单位阶跃函数 1.5 连续时间和离散时间系统 1.6 基本系统性质 记忆系统与无记忆系统 可逆性与可逆系统 因果性 稳定性 时不变性 线性

§4.1 复数项级数 (Series of complex number） 一、复数序列的极限 二、复数项级数 §4.2 复变函数项级数 (Series of function of complex variable) §4.3 泰勒（Taylor）级数 §4.4 洛朗(Laurent)级数 (Laurent’s series) 一、双边幂级数 二、解析函数的洛朗展式

5.4 样本自相关与部分自相关函数 5.5 自相关性检验 5.6 ARMA模型的实证分析及应用 5.7 实例应用：中国CPI通胀率的AR模型

8.1 引言 8.2 z变换的定义、典型序列的z变换 8.3 Z变换的收敛域 8.4 Z变换的逆变换 8.5 Z变换的基本性质 8.6 Z变换与拉氏变换的关系 8.7 用单边Z变换解差分方程 8.8 离散系统的系统函数 8.9-8.10 离散系统的频率响应

Dirichlet 积分 仔细观察上一节中的几幅图像后可以得到这样的直觉：对于一般 的以2π为周期的函数 f x( )，除了个别点之外（看来是不连续点），当 m → ∞ 时，它的 Fourier 级数的部分和函数序列{ m xS )( }

为解决进行PM2.5质量浓度预测中多因素回归模型的不稳定、神经网络模型的过拟合及局部最小等问题，提出应用支持向量机和模糊粒化时间序列相结合的方法，对PM2.5质量浓度未来变化趋势和范围进行预测.根据PM2.5不同季节的日变化周期模式，确定以24 h为周期的粒化窗宽，利用三角型隶属函数对数据样本进行特征提取作为支持向量机的输入，并在k重交叉验证法下采用网格划分寻找出模型的最佳参数.以2013年3月—2014年2月北京市海淀区万柳监测点四个季节PM2.5的1 h质量浓度监测值为样本数据，应用该方法建立PM2.5质量浓度的时间序列预测模型，并在MATLAB平台下应用LIBSVM工具实现计算过程.结果表明，基于模糊粒化时间序列的预测模型，能较好解决PM2.5机理性建模方式下由于影响因素考虑不全而造成的预测结果不稳定，对模糊粒子拟合效果较好

提出一种改进的最大互信息(MMI)准则函数并把它应用于隐马尔可夫模型(HMM)的参数估计,重新推导了HMM的迭代公式.该准则函数相对于原来准则函数定义更为合理,能有效利用训练样本集中的鉴别信息,使得训练数据得到充分利用,提高了HMM的性能.把这种改进的HMM算法应用于面部表情识别,利用改进的光流算法提取面部表情特征向量序列,并利用改进HMM算法和BP神经网络构建了面部表情混合分类器.实验结果表明了该方法能有效提高面部表情识别率,有效解决HMM参数估计问题

定义 10.5.1 设函数 f (x)在闭区间[a, b]上有定义，如果存在多项 式序列｛Pn (x)｝在[a, b] 上一致收敛于 f (x)，则称 f (x)在这闭区间上 可以用多项式一致逼近