《概率论与数理统计》遵循教育部高等学校大学数学课程教学指导委员会新修订的“工科类本科数学基础课程教学基本要求”，并参考教育部考试中心制定的“全国硕士研究生入学统一考试数学考试大纲”编写而成。《概率论与数理统计》知识体系相对完整，结构严谨，内容丰富，循序渐进，通俗易懂，例题丰富。

《概率统计与数学模型学习指导》为《概率统计与数学模型》的配套学习指导教材,内容包括每一章的基本要求？内容提要？释疑解难？典型例题以及教材的习题解答.第1~5章介绍概率论的基本知识,包括随机事件与概率？随机变量及其分布？多维随机变量及其分布？随机变量的数字特征？大数定律与中心极限定理等;第6~9章介绍数理统计的基本知识,包括数理统计基础知识？参数估计？假设检验？回归分析等.

本书既介绍了经典概率极限理论的基本内容，也简要地介绍了现代概率极理论的主要结果，包含独立和理论、测度弱收敛理论、鞅的极限理论、强极限理论、B值空间中的概率极限理论等内容，附录中收集了常用的概率不等式。作者修订时特别介绍了极限理论发展的新情况，并注意降低难度，便于学生更好地把握理论基础。

本书包括绪论共14章内容，约45万字。第1至第6章属于运筹学确定型模型，适用于本科教学段，第7至第10四章属于运筹学随机型模型，适用于研究生教学段。

本书系统介绍

　　《模式识别》共分为8章。第一章为绪论，主要介绍了模式识别的概念，系统组成及常用方法。第二章～第五章主要介绍了统计模式识别的方法，有特征聚类，贝叶斯分类，fish线性判别以及近邻法。第六章讲述了几种人工神经网络方法，第七章详细介绍了一个三维识别的案例。

本书与主教材配套使用，内容包括随机事件和概率、随机变量及其分布、多维随机变量及其分布、随机变量的数字特征、大数定律与中心极限定理、样本及抽样分布、参数估计和假设检验。本书可以作为独立学院本科生概率论与数理统计的跟踪联系册，也可以作为电大、成教相关学生的练习册。

本书系统介绍了多元统计分析的基本理论和方法，在简明介绍描述统计、推断统计、聚类分析、主成分分析、因子分析等多元统计分析方法原理的基础上，并结合经济、管理、社会等领域中的实例，通过计算机实现，将多元统计分析与实际应用相结合。较前版修订多元描述统计部分，30%；增加Copula,协方差分析，面板数据分析，多元时间序列分析及协整分析，多元评价分析内容。内容新，全面，案例丰富，是作者课题研究的积累。

本书主要针对模糊聚类算法中最经典的FCM算法进行了系统分析，并对原始算法进行了改进，将经典的FCM算法和改进的FCM算法应用图像识别、数据聚类和软件测试等不同领域。全书共分7章，第1章介绍了聚类分析发展背景和基础概念；第2章介绍了模糊理论基础知识及模糊聚类分析的方法和应用；第3章介绍了模糊C均值算法的理论知识和研究现状以及目前存在的问题；第4章介绍了马氏距离的基本原理和处理方法；第5章介绍了马氏距离在模糊聚类中的应用；第6章介绍了基于优化KPCA特征提取的FCM算法；第7章介绍了FCM

    本书主要包括五章概率论内容和三章数理统计内容.每章内容包括基本要求、内容提要、典型例题、历年考研真题、自测题，书中习题难易结合，有助于读者开拓思路加深理解，更好地掌握概率论与数理统计的基本内容和解题方法.书后附有三份综合练习题，并给出参考答案.