本书主要研究内容是利用图学习方法进行高光谱影像分类，重点围绕模型构建、改进图信息传播方式、提升构图质量等方面展开研究，提出了多种基于图学习的高光谱影像分类方法。本书的主要研究内容总结如下：第1章主要介绍了本书的研究背景，说明了高光谱遥感影像分类的现实意义，概述了高光谱遥感影像分类现状和存在的问题。第2章阐述了图半监督学习的基本理论知识，图的构造方法，图半监督学习的经典模型，能够有效处理大规模数据的快速图半监督学习模型。第3章提出了图半监督学习经典算法高光谱影像分类方法。第4章提出了一种

本书聚焦于大模型技术在企业中的实际应用，帮助读者应用大模型为企业降本增效。全书共6章：初识大模型、大模型产品生态圈、大模型的技术原理、企业如何部署和应用大模型、企业大模型项目的实施方法、大模型企业应用实践。本书提供了详细的大模型选型和建设标准，旨在为企业提供一份清晰的大模型建设指南，帮助读者了解如何建设、部署和应用大模型。本书详细介绍了企业大模型项目的实施方法，从项目规划到工程化部署，并通过具体的企业应用实践案例，展示了大模型在基座型基础设施、企业知识中台、业务知识库、智能体及个人办公

"SSM是当前使用广泛的Java Web开发框架。《Spring+Spring MVC+MyBatis从零开始学（视频教学版）（第3版）》由浅入深，详细讲解SSM（Spring 6.1.10、Spring MVC 6.1.10、MyBatis 3.5.16）框架的基础知识和应用，并结合大量的示例和综合案例，帮助读者快速理解SSM开发技术。《Spring+Spring MVC+MyBatis从零开始学（视频教学版）（第3版）》配套示例源码、PPT课件、教学大纲、教学视频。
《Spring+S

本书系统地介绍了面向工业软件的数字工程（DE）与基于模型的系统工程（MBSE）的理论体系、方法论、核心技术和工程应用，讨论了 SysML 建模工具的实现技术，内容涵盖需求模型开发、MBSE 工具开发、执行模型与行为仿真、规则定义与自动语法校验等多个方面，详细阐释了支撑 MBSE 的关键技术，通过理论描述与工程案例的结合，帮助读者全面掌握 DE 和 MBSE 的知识体系，并获得参考与启发。

本书的主要内容有：熟悉Spark的编程模型和生态系统。学习数据科学的一般方法。检查分析大型公共数据集执行步骤的完整性。发现哪些机器学习工具对特定问题有帮助。探索可适应多种用途的代码。

本书以简单、直观、形象的方式教授Git,让你对Git版本控制的工作原理建立深刻的感性认识。通过颜色、情景和实践练习,你定能信心满满,学会使用这个工具。本书循序渐进,你不会陷入未知术语或概念的困境。本书涵盖以下内容：下载Git,初始化本地仓库。把文件添加到暂存区域并进行提交。创建、切换和删除分支。合并和变基分支。使用远程仓库,包括克隆、推送、拉取和获取。使用拉取请求与他人协作。

本书旨在建立和推动“动力学刻画的数据科学”理论和应用研究。全书共六章，内容包括：复杂动力系统理论基础、高维数据的临界预警理论及方法、短时间序列的预测理论及方法、动力学因果检测理论及方法、基于动力学的势能景观构建理论及方法、混沌反馈学习理论及深度学习方法等。全书交叉融合了数学理论、统计学方法、人工智能、计算系统生物学方法等知识，做到数学理论与实际应用并重，动力学算法与统计学方法互补，内容图文并茂、清晰易读、由浅入深，并在第2章至第6章末尾配有相关前沿领域的展望与讨论，读者可以通过阅读本书了解所涉及

机器学习虽然在改进产品性能、产品流程和推进研究方面有很大的潜力，但仍面临一大障碍——计算机无法解释其预测结果。因此，本书旨在阐明如何使机器学习模型及其决策具有可解释性。本书探索了可解释性的概念，介绍了许多简单的可解释模型，包括决策树、决策规则和线性回归等。本书的重点是模型不可知方法，用于解释黑盒模型（如特征重要性和累积局部效应），以及用Shapley 值和局部代理模型解释单个实例预测。此外，本书介绍了深度神经网络的可解释性方法。本书深入解释并批判性地讨论所有的可解释方法，如它们在黑盒下的运作机制

本书在介绍机器学习和通信辐射源个体识别的基本概念与研究现状的基础上，用机器学习领域最新的理论成果去解决通信辐射源个体识别存在的具体问题，系统阐述了流形学习、稀疏表示、深度学习、浅层学习等机器学习方法在通信辐射源个体识别中应用的最新研究成果。

本书全面系统地讲解了使用Python语言实现数据结构和算法的基础知识和实践技能。全书分为14章，主要内容包括：数据结构与算法概述，Python语言基础，线性表，栈与递归，队列，串、数组与广义表，树和二叉树，图，查找，排序，回溯算法，递归与分治算法等。本书内容由浅入深，语言通俗易懂，理论结合实践，采用大量丰富的案例，帮助读者高效学习，且能更好应用在实际学习和工作中。