本书主要取材于算法设计与分析领域经典和发展潮流方面的内容，包括非常经典的算法设计技术，例如，递归、分治算法、动态规划、贪心算法、图算法、分支限界、回溯； 也包括一些高级的算法设计，例如，网络流和匹配、线性规划、启发式搜索。在算法分析方面，本书介绍了概率分析、分摊分析和实验分析方法。在算法理论方面，本书介绍了问题的下界、算法的正确性证明，以及NP完全理论等内容。

本书还包括大量的问题实例，给出了相应的设计与分析方法，并精选了一些习题，供读者练习，以巩固所学的算法。在工业应用领域，许多

本书以算法概述算法框架(或步骤)算法设计算法分析为技术线路，系统地介绍了各种常用的算法设计策略，包括穷举法、分治法、回溯法、分支限界法、动态规划和贪心法等，并以专题形式讨论了图算法、计算几何、概率算法和近似算法设计原理及其应用，帮助读者迅速掌握算法设计要点，规范算法设计、分析及实现的方法。书中列举了大量的经典示例和在线编程示例并予以解析，全方位地帮助读者提高算法设计与分析实践能力和理论水平。

本书既便于教师课堂讲授，又便于自学者阅读，适合作为高等学校计算机及相关专业学生的算法

本书是《算法设计与分析》（第3版·微课视频·题库版）（李春葆等，清华大学出版社，以下简称为《教程》）的配套在线编程实验指导书，精选了LeetCode、LintCode、POJ和HDU平台上的186道在线编程题，并予以深入剖析和解答，这些题目涵盖基础数据结构、递归、穷举法、分治法、回溯法、分支限界法、动态规划、回溯法和计算几何等知识点，其中部分题目采用多种算法策略求解，通过研习有助于提高读者灵活运用算法设计策略解决实际问题的能力。

本书自成一体，可以

本书是《算法设计与分析》(第3版·微课视频·题库版）（李春葆等编著，清华大学出版社，以下简称为《教程》)的配套学习指导书。全书总结各章的知识结构，剖析了《教程》中168道练习题的解题过程，同时补充了单项选择题165道、问答题107道和算法设计题118道，并给出了完整的解答。这些练习题不仅涵盖算法设计与分析课程的基本知识点，还融合了各个知识点的运用和扩展，学习、理解和借鉴这些解题思路是掌握和提高算法设计能力的最佳捷径。

本书自成一体，可以脱离《教程》

本书是普通高等教育“十一五”国家级规划教材、国家精品课程教材和国家电工电子教学基地教材《数字逻辑与数字系统》（第6版）（ISBN 978-7-121-43430-3）的配套教材。全书分9章，内容包括数字逻辑基础、逻辑门电路、组合逻辑电路、锁存器和触发器、时序逻辑电路、半导体存储器、脉冲波形的产生与整形、数模转换和模数转换、数字系统分析与设计等。每章包含学习要点、教学要求、解题指导和习题解答4部分内容。

本书遵循精选案例，面向设计，深入浅出，注重能力培养的宗旨，以案例形式实现算法与程序设计教学。本书选取枚举、递推、递归、回溯、动态规划、贪心算法、分支限界法与模拟等常用算法，并精选应用各算法设计求解的典型案例。书中每个案例求解，从案例提出到算法设计与程序实现，从案例结果显示到算法改进与程序优化，环环相扣，融为一体，力求算法理论与实际应用相结合、算法与程序相统一，突出算法在解决实际案例中的核心地位与引导作用。
书中所有案例求解均给出详细的算法设计提要与完整的C程序清单，所有程序均在V

本书是全国高等教育自学考试指导委员会组编的计算机科学与技术、软件工程、网络工程、信息安全4个本科专业自学考试指定教材，包括自学考试大纲和教材的所有内容。本书介绍与计算机系统相关的核心概念和基础内容，主要包括数据的表示和运算、程序的机器级表示、程序的链接和加载执行、存储器层次结构和虚拟存储器、程序中的I/O操作实现。

本书基于OpenCV框架和机器人系统中的传感器技术，用通俗易懂的语言深入浅出地介绍了图像识别和传感器的工作原理，包括传统的图像处理方法原理、目前流行的OpenCV的使用方法和典型传感器的原理及应用。书中配有丰富的图片、公式和表格来帮助读者更好地理解相关知识点，并且给出了具有代表性的实际应用案例来辅助读者进行学习。此外，书中相关算法和实例均配有相应的代码程序。全书分两部分：第一部分(第1～6章)为机器视觉部分，内容包括机器视觉概论、OpenCV使用环境配置、OpenCV入门实例、图像处理和识

本书是一本基于PaddlePaddle深度学习框架的实践性计算机视觉教材，重点关注计算机视觉在实际中的应用。本书涵盖计算机视觉领域的众多方面，包含图像分类、目标检测、图像分割、视频分类以及图像生成等领域，并通过大量的实践案例向读者演示如何编写计算机视觉应用程序，从而帮助读者深入理解计算机视觉的核心概念和技术。

本书可以作为一本实用的计算机视觉实践指南，无论对于从事计算机视觉领域的专业人士，还是对计算机视觉感兴趣的初学者，本书都值得阅读和收藏。

"本书介绍了机器视觉系统的基本组成原理和图像处理相关的技术基础。本书在第1版的基础上，重点补充介绍深度学习技术及其在机器视觉中的应用。全书共分12章，第１章简要介绍机器视觉技术的基本概念、系统构成以及发展趋势；第２章介绍机器视觉系统的硬件技术和教学实验设备；第３章介绍机器视觉组态软件XAVIS；第４章介绍图像处理技术；第５、６章分别介绍机器视觉应用最普遍的尺寸测量技术与缺陷检测技术；第７章介绍模式识别技术；第８章介绍图像融合技术；第９章介绍基于机器视觉的运动目标跟踪技术；第10章介绍三