 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）

本书较全面地介绍了现代统计学的理论、方法及其应用技巧。针对多元统计分析方法计算量大和算法复杂的特点，以SAS软件包作为实现复杂统计计算的工具，本书着重介绍各种试验设计方法、统计分析方法及其适用条件、结合具体问题正确选用统计方法的技术以及对计算结果的正确解释和应用。在一切从实际出发的思想指导下，合理调整教材结构和编写形式，把处理同一类问题的统计方法集中到一起讲解，使貌似复杂的统计问题化繁为简，实用方便。本书具有以下独到之处：用计算器和计算机两种计算工具实现统计计算，便于读者选用；针对问题和资料闸述统计方法，有利于读者提高处理实际问题的综合能力；介绍的试验设计类型多，讲解详细，具有很强的可操作性；为读者成功地使用SAS软件提供了一条有效的捷径。根据教学对象的层次和学时数适当取舍内容，本书可作为研究生、本科生、大中专生的统计学教材，高等院校和科研机构的教师、学者、科技人员、生物医学工作者、管理工作者等学习和应用统计方法的参考书；还可作为用SAS软件解决统计问题的实用手册

提出一种基于峭度能量的谱相关分析方法.它利用每个循环频率切片的峭度值来衡量该循环频率的调制能力,并以此作为加权因子进行循环频率的能量累积,最终实现故障特征的有效提取.相对于传统的谱相关分析方法,本文方法降低了信号中多倍频谐波对故障特征频率的干扰,能更清晰准确地提取出故障频率特征.利用传统的谱相关分析方法、本文方法和共振解调三种方法对仿真信号、低速重载试验台的滚动轴承外圈故障信号进行分析,证明了本文方法的有效性

一、随机抽样及其特点 二、直接抽样方法 三、挑选抽样方法 四、复合抽样方法 五、复合挑选抽样方法 六、替换抽样方法 七、随机抽样的一般方法 八、随机抽样的其它方法

推荐系统（Recommender System） 背景、示例与应用 推荐系统要素 常用推荐方法 基于协同过滤的推荐方法 基于内容的推荐方法 基于标签的推荐方法 基于网络的推荐方法 基于上下文的推荐方法 推荐方法测试

7.1定义与调用方法 7.2方法参数 7.3静态方法 7.4方法重载 7.5虚方法 7.6抽象方法和外部方法

以程潮铁矿为工程背景,将采矿方法初选视为分类问题来处理,采用模糊聚类法从技术影响因素方面按照相似程度对采矿方法进行了分类初选,避免了以往采用工程类比进行初选的主观随意性,提高了采矿方法初选方法的科学性.在此基础上,运用层次分析法,综合考虑经济、资源、效率、安全及环境等五大类因素,构建了较为全面的采矿方法选择综合层次评价指标体系,并得到了合理的权重矩阵,较好地解决了多因素决策时各方案评判指标出现优越性交叉时的权重分配问题.最后采用模糊综合评判方法确定最优采矿方法

当全球导航卫星系统(global navigation satellite system,GNSS)分布式仿真环境中共享的模型数量非常多时,检索模型和配置仿真任务将成为一个比较复杂的工程.为提高仿真模型选取和仿真任务配置的效率,设计了一套针对GNSS分布式仿真环境中仿真模型的实时智能推荐方法,方法中首先定义了模型关联关系和接口形状的概念,然后提出了一种条件约束下的频繁模式树(FP-tree)结构,并从理论上分析了该结构在检索任务量方面的减少程度,设计并推导了模型关联关系度的计算方法,以及整套智能推荐方法的运行流程.推荐方法在GNSS分布式仿真环境中进行了仿真验证,仿真结果与传统智能推荐方法做对比分析,分析结果表明,该方法针对仿真模型推荐时运行时间短,推荐结果准确度高,能够实时为用户推荐合适的模型

以金山店铁矿充填采矿法优选为工程背景，将采矿方法优选视为多目标决策的系统工程问题来处理.综合考虑技术、经济、资源利用、劳动效率、安全、环境等多方面因素，构建了较为全面的采矿方法优选多目标决策指标体系.分别采用层次分析法、模糊判断矩阵及Delphi法对决策指标进行赋权，得到了三组单一权重.在此基础上，通过Kendall非参数检验及Spearman等级相关性分析，确定了各赋权方法的相关程度，得到了较为合理的采矿方法优选多目标决策指标的组合权重，并基于组合权重，采用模糊多目标决策确定了最优采矿方法为分段空场嗣后充填法.本文采用的组合权重赋权方法较好地解决了多目标决策时指标权重的分配问题，提高了采矿方法优选指标权重确定的合理性及科学性

为提高无法准确建立数学模型的非线性约束单目标系统优化问题的寻优精度,并考虑获取样本的代价,提出一种基于支持向量机和免疫粒子群算法的组合方法(support vector machine and immune particle swarm optimization,SVM-IPSO).首先,运用支持向量机构建非线性约束单目标系统预测模型,然后,采用引入了免疫系统自我调节机制的免疫粒子群算法在预测模型的基础上对系统寻优.与基于BP神经网络和粒子群算法的组合方法(BP and particle swarm optimization,BP-PSO)进行仿真实验对比,同时,通过减少训练样本,研究了在训练样本较少情况下两种方法的寻优效果.实验结果表明,在相同样本数量条件下,SVM-IPSO方法具有更高的优化能力,并且当样本数量减少时,相比BP-PSO方法,SVM-IPSO方法仍能获得更稳定且更准确的系统寻优值.因此,SVM-IPSO方法为实际中此类问题提供了一个新的更优的解决途径