假设检验的基本思想和方法 假设检验的一般步骤 假设检验的两类错误 双侧假设检验与单侧假设检验

一、多步法的基本思想 二、线性多步法 三、小结

行波法一般用来求解无界区域上的定解问题(如初值问题),对 于有限区域上的定解问题一混合问题或边值问题,本章介绍另一种求 解方法一分离变量法.它的基本思想是将偏微分方程的问题转化为常 微分方程的问题,先从中求出一些满足边界条件的特解,然后利用叠 加原理,作出这些解的线性组合,令其满足余下的定解条件,从而得 到定解问题的解

教学目的 本节讨论如何将环 R 上的测度延拓到 R 生成的σ -代数上 去. 这是定义测度常用的方法. 下一节将用这个方法定义重要的 Lebesgue 测 度. 本节要点 本节所述测度的延拓过程思路较复杂, 论证较繁难. 应注意 讲清主要思路, 定理的证明应注意交代主要思想

对应的思想与方法贯穿本节的核心基数的概念可数 集的讨论都要用的一一对应的方法证明两个不同的集对等,从而具有相 同的基数,特别地,要证明一个集是可数集,有时需要一定的技巧,因而 具有一定的难度,通过较多的例题和习题,使学生逐步掌握其方法和技巧 映射在数学分析课程中我们对函数已经很熟悉.在数学分析中函数的定义域通常是 R\的子集,值域是实数集或者复数集.若将函数的定义域和值域换成一般的集,就得到映 射的概念

包括插值、数值微分和数值积分、曲线拟合、非线性方程求解、解线性方程组、计算矩阵特征值和特征向量以及常微分方程数值解。本书以例题为中心，通过例题阐明数值计算方法的思想和解题思路

1．了解解析几何的基本思想； 2．了解用坐标法研究几何问题的初步知识和观点； 3．初步掌握求曲线的方程的方法

传统的分类算法大多假设数据集是均衡的,追求整体的分类精度.而实际数据集经常是不均衡的,因此传统的分类算法在处理实际数据集时容易导致少数类样本有较高的分类错误率.现有针对不均衡数据集改进的分类方法主要有两类:一类是进行数据层面的改进,用过采样或欠采样的方法增加少数类数据或减少多数类数据;另一个是进行算法层面的改进.本文在原有的基于聚类的欠采样方法和集成学习方法的基础上,采用两种方法相结合的思想,对不均衡数据进行分类.即先在数据处理阶段采用基于聚类的欠采样方法形成均衡数据集,然后用AdaBoost集成算法对新的数据集进行分类训练,并在算法集成过程中引用权重来区分少数类数据和多数类数据对计算集成学习错误率的贡献,进而使算法更关注少数数据类,提高少数类数据的分类精度

一、考核知识点: 欧拉法,改进欧拉法,龙格库塔法,单步法的收敛性与稳定性。 二、考核要求: 1.熟练掌握用欧拉法,改进欧拉法求微分方程近似解的方法。 2.了解龙格-库塔法的基本思想;掌握用龙格库塔法求微分方程近似解的 方法

在上册中,我们讨论的是一元函数微积分 ,但实际问题中常会遇到依赖于两个以上自变量 的函数多元函数,也提出了多元微积分问题。 多元微积分的概念、理论、方法是一元微 积分中相应概念、理论、方法的推广和发展, 它们既有相似之处(概念及处理问题的思想方 法)又有许多本质的不同,要善于进行比较, 既要认识到它们的共同点和相互联系,更要注 意它们的区别,研究新情况和新问题,深刻理 解,融会贯通