本书结合作者20余年数学实验课程的教学经验编写而成，旨在帮助学生更深地理解已学数学知识，为更好地学习后续课程以及应用数学知识解决其他问题下坚实基础。本书首先介绍MATLAB的基础知识和主要命令，使读者在最短的时间内了解MATLAB，并能够使用MATLAB数学软件解决实际遇到的一些简单问题。然后介绍MATLAB在线性代数、微积分以及概率论和数理统计中的应用，其中穿插了一些数学方法的介绍，使学生了解数学建模的思想。最后介绍优化相关运算和机器学习常用算法及其应用。本书结合实际问题给出了6个综合实验，并列出了详细的解题步骤，把相对枯燥的数学问题与实际问题结合起来，清晰易懂，其中部分实验后面附有具有实际意义的思考问题，供读者练习，巩固所学知识。
售 价：¥
纸质售价：¥51.30购买纸书
6.8
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
版权
前言
第1章 MATLAB软件入门
1.1 MATLAB简介和工作环境
1.1.1 MATLAB的系统结构
1.1.2 MATLAB的工具箱
1.1.3 菜单和工具栏
1.1.4 命令行窗口
1.1.5 当前文件夹浏览器、路径设置
1.1.6 工作空间浏览器窗口和数组编辑器窗口
1.1.7 M文件编辑/调试器窗口
1.1.8 MATLAB的常用文件格式
1.1.9 M文件
1.2 基本运算
1.2.1 数据类型
1.2.2 矩阵和数组的运算
1.2.3 字符串
1.3 MATLAB程序设计
1.3.1 顺序语句
1.3.2 循环语句
1.3.3 选择语句
1.3.4 交互语句
习题
第2章 MATLAB绘图
2.1 MATLAB二维曲线绘图
2.1.1 二维曲线绘图命令
2.1.2 控制参数
2.1.3 二维特殊图形
2.2 MATLAB三维绘图
2.2.1 三维曲线绘图命令
2.2.2 控制参数
2.2.3 三维特殊图形
2.3 图形对象及其句柄
2.3.1 图形对象及句柄简介
2.3.2 动态图形
习题
第3章 线性代数相关运算
3.1 矩阵
3.1.1 矩阵的修改
3.1.2 矩阵的基本代数运算
3.1.3 矩阵的其他运算
3.2 稀疏矩阵
3.2.1 生成稀疏矩阵
3.2.2 还原成全元素矩阵
3.2.3 查看稀疏矩阵
3.2.4 稀疏带状矩阵
3.3 线性方程组的解法
3.3.1 逆矩阵解法
3.3.2 初等变换法
3.3.3 矩阵分解法
3.3.4 迭代解法
3.4 矩阵的特征值和特征向量
3.4.1 求矩阵的特征值和特征向量
3.4.2 矩阵特征值的几何意义
3.4.3 马尔可夫过程
3.5 综合实验
3.5.1 综合实验一：濒危动物生态仿真
3.5.2 综合实验二：图像的压缩
习题
第4章 微积分相关运算
4.1 求极限
4.1.1 理解极限的概念
4.1.2 用MATLAB软件求函数极限
4.2 求导数
4.2.1 导数的概念
4.2.2 用MATLAB软件求函数导数
4.3 求积分
4.4 数值积分
4.4.1 公式的导出
4.4.2 用MATLAB求数值积分
4.5 无穷级数
4.5.1 级数的符号求和
4.5.2 级数敛散性的判定
4.5.3 级数的泰勒展开
4.6 常微分方程
4.6.1 常微分方程的符号解法
4.6.2 常微分方程的数值解法
4.7 综合性实验：阻尼振动
习题
第5章 多项式及多项式拟合和插值
5.1 多项式的构造
5.2 多项式的基本运算
5.3 有理多项式的运算
5.4 代数式的符号运算
5.5 多项式拟合
5.6 多项式插值
5.6.1 一维多项式插值
5.6.2 二维多项式插值
5.7 综合实验：消费价格指数的预测
习题
第6章 概率论与数理统计相关运算
6.1 古典概型
6.2 概率论相关运算与MATLAB实现
6.2.1 理论知识
6.2.2 相关MATLAB命令
6.3 生成统计图
6.3.1 频数直方图
6.3.2 统计量
6.4 参数估计
6.4.1 理论知识
6.4.2 参数估计的MATLAB实现
6.5 假设检验
6.5.1 理论知识
6.5.2 参数假设检验的MATLAB实现
6.6 蒙特卡罗模拟
6.6.1 随机性问题
6.6.2 确定性问题
6.7 综合性实验：微信红包模拟
习题
第7章 优化相关运算
7.1 一维函数的极值
7.1.1 进退法
7.1.2 黄金分割法
7.1.3 牛顿法
7.1.4 抛物线法
7.1.5 MATLAB工具箱中的基本函数
7.2 多维无约束的极值
7.2.1 最速下降法
7.2.2 共轭梯度法
7.2.3 拟牛顿法
7.2.4 MATLAB工具箱中的基本函数
7.2.5 实例：产销量的最佳安排
7.3 非线性拟合
7.4 综合实验：使用MATLAB求解广告投放的权衡曲线
习题
第8章 机器学习
8.1 机器学习概述
8.1.1 机器学习的定义
8.1.2 机器学习的历史
8.1.3 机器学习的应用领域
8.2 机器学习任务
8.2.1 机器学习术语介绍
8.2.2 机器学习算法种类
8.3 支持向量机
8.3.1 算法概述
8.3.2 算法原理
8.3.3 算法实现
8.4 决策树
8.4.1 算法概述
8.4.2 算法原理
8.4.3 算法实现
8.5 k均值
8.5.1 算法概述
8.5.2 算法原理
8.5.3 算法实现
8.6 层次聚类算法
8.6.1 算法概述
8.6.2 算法原理
8.6.3 算法实现
8.7 线性回归
8.7.1 算法概述
8.7.2 算法原理
8.7.3 算法实现
8.8 BP神经网络
8.8.1 算法概述
8.8.2 算法原理
8.8.3 算法实现
8.9 机器学习工具箱
习题
参考文献
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
