第一章概述了圖像多聚焦圖像融合的基本概念、基本方法和基本框架，并總結(jié)了常見的評價指標(biāo)和數(shù)據(jù)集。第二章講述了PCNN相關(guān)原理，并闡述了PCNN在圖像融合中的應(yīng)用。最后介紹一種基于PCNN方法的多聚焦圖像融合方法。第三章首先講述了隨機(jī)漫步的原理及應(yīng)用，接著提出了一種PCNN+RW的多聚焦圖像融合新方法。第四章以引導(dǎo)濾波為主

本書以Intel8086和Pentium為出發(fā)點(diǎn)，介紹微型計(jì)算機(jī)原理、指令系統(tǒng)與匯編語言以及接口技術(shù)。主要內(nèi)容包括：微處理器一般原理及Intel8086和Pentium微處理器的基本構(gòu)成、編程結(jié)構(gòu)、工作時序及引腳，微型計(jì)算機(jī)存儲器接口、高速緩存及Pentium的虛擬存儲管理，X86微處理器指令系統(tǒng)與匯編語言，輸入輸出控

本書針對分類屬性數(shù)據(jù)無監(jiān)督數(shù)據(jù)挖掘任務(wù)中的三個關(guān)鍵問題—特征學(xué)習(xí)、分析過程和結(jié)果評價，闡述分類屬性數(shù)據(jù)深度無監(jiān)督學(xué)習(xí)理論及決策應(yīng)用。全書共7章，第1章概述數(shù)據(jù)驅(qū)動決策支持的技術(shù)基礎(chǔ)、有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)兩類數(shù)據(jù)挖掘方法及分類屬性數(shù)據(jù)無監(jiān)督學(xué)習(xí)問題；第2章介紹分類屬性數(shù)據(jù)的無監(jiān)督特征學(xué)習(xí)、聚類分析和聚類結(jié)果評價等相關(guān)理

本書全面論述了計(jì)算機(jī)及網(wǎng)絡(luò)系統(tǒng)各種攻防手段的基本原理和應(yīng)用技術(shù)，對網(wǎng)絡(luò)安全相關(guān)概念與技術(shù)進(jìn)行深入探討，詳盡地分析了信息系統(tǒng)的各種攻擊技術(shù)及相應(yīng)防御措施，并通過大量實(shí)踐例程加深對內(nèi)容的理解。全書分三個部分，共15章。第一部分對網(wǎng)絡(luò)攻防進(jìn)行了概述；第二部分詳細(xì)描述了網(wǎng)絡(luò)防御的技術(shù)及原理；第三部分分別從云安全、物聯(lián)網(wǎng)安全、區(qū)

本書作為圖像傳感器相關(guān)知識的入門書籍，從圖像傳感器的成像原理出發(fā)，全面介紹了圖像傳感器的內(nèi)部單元、工作原理、技術(shù)特征，介紹了主要的圖像傳感器類型，并進(jìn)行了比較。最后，本書還介紹了包含圖像傳感器的成像系統(tǒng)。 本書前四章是基礎(chǔ)知識部分。其中，第一章介紹了圖像的構(gòu)成以及圖像傳感器的作用，解釋了什么是"成像"；第二章介紹組成圖

針對國內(nèi)外推薦系統(tǒng)技術(shù)熱點(diǎn)問題，作者在推薦系統(tǒng)、深度學(xué)習(xí)學(xué)科領(lǐng)域基礎(chǔ)理論方面 從事多年深入探索研究，借鑒國內(nèi)外已有資料和前人成果，經(jīng)過分析論證，收集大量專 家學(xué)者近年來有關(guān)深度學(xué)習(xí)推薦系統(tǒng)前沿問題的論壇、講座和報告等展開研究，圍繞基 于內(nèi)容和知識的推薦、混合推薦、深度學(xué)習(xí)、基于深度學(xué)習(xí)的推薦以及輔助學(xué)習(xí)的推薦 等五個方

本書深入探討了在網(wǎng)絡(luò)時代，專家系統(tǒng)在塑造社會信任方面的核心作用及其面臨的困境。本書選取公共衛(wèi)生事件作為研究的切入點(diǎn)，深入分析了專家系統(tǒng)對于風(fēng)險社會中群體決策和輿論引導(dǎo)的重要性。書中不僅揭示了影響專家系統(tǒng)社會信任的內(nèi)生和外生因素，而且詳細(xì)討論了當(dāng)這種信任失效風(fēng)險來臨時可能引發(fā)的多方面負(fù)面效應(yīng)，包括對媒體信任度、科學(xué)知識傳

本書系統(tǒng)地詮釋工業(yè)PDA（ProcessDataAcquisition）高速數(shù)據(jù)采集分析系統(tǒng)的一般原理，結(jié)合豐富的插圖，介紹該系統(tǒng)的功能、性能指標(biāo)、安裝使用方法；廣視角地剖析該系統(tǒng)支持的PLC、硬件接口模塊、數(shù)據(jù)總線類型；詳細(xì)闡述完全開放的數(shù)據(jù)接口。本書共13章，充分展示PDA高速數(shù)據(jù)采集分析系統(tǒng)架構(gòu)、技術(shù)研發(fā)、應(yīng)用策

本書是一本全面介紹基于大語言模型的RAG應(yīng)用開發(fā)的專業(yè)圖書。本書共分為3篇：預(yù)備篇、基礎(chǔ)篇和高級篇。預(yù)備篇旨在幫助你建立起對大模型與RAG的基本認(rèn)識，并引導(dǎo)你搭建起RAG應(yīng)用開發(fā)的基礎(chǔ)環(huán)境；基礎(chǔ)篇聚焦于經(jīng)典RAG應(yīng)用開發(fā)的核心要素與階段，介紹關(guān)鍵模塊的開發(fā)過程，剖析相關(guān)的技術(shù)原理，為后面的深入學(xué)習(xí)打下堅(jiān)實(shí)的基礎(chǔ)；高級篇

機(jī)器學(xué)習(xí)雖然在改進(jìn)產(chǎn)品性能、產(chǎn)品流程和推進(jìn)研究方面有很大的潛力，但仍面臨一大障礙——計(jì)算機(jī)無法解釋其預(yù)測結(jié)果。因此，本書旨在闡明如何使機(jī)器學(xué)習(xí)模型及其決策具有可解釋性。本書探索了可解釋性的概念，介紹了許多簡單的可解釋模型，包括決策樹、決策規(guī)則和線性回歸等。本書的重點(diǎn)是模型不可知方法，用于解釋黑盒模型（如特征重要性和累積