本文主要研究单视图数据和多视图数据的子空间聚类模型和算法。首先针对单视图数据，研究数据的非线性、非凸低秩表示，以及非高斯噪声的抑制，并提出了相应的子空间聚类算法。然后针对多视图数据子空间聚类的问题，采用低秩核约束的思路，通过协同学习方法来获得各视图的连通表示，进而把单视图子空间聚类推广到多视图数据聚类中。

本书介绍了数据网格——一种来自现代分布式架构的去中心化社会技术范式，它提供了一种大规模采购、共享、访问和管理分析型数据的新方法。本书分为五部分。第1部分介绍DataMesh的四个原则，以及它们所组成的高级模型。第2部分比较DataMesh与以前的数据架构的区别。第3部分介绍DataMesh组件的高层次架构，帮助你设计DataMesh架构以及评估与DataMesh匹配的现成技术。第4部分介绍DataMesh中的一个核心概念（数据产品）的详细设计，帮助你识别与DataMesh愿景兼容的设计技术，并将

《学习C++20（中文版）》共18章5个附录，讨论了C++20的5大编程模型：程序化编程、函数式编程、面向对象编程、泛型编程和模板元编程。第I部分介绍基础知识，第II部分介绍容器、C++20范围、指针、字符串和文件，第III部分介绍现代面向对象编程和异常，第Ⅳ部分介绍泛型编程、模板、概念和模板元编程，第V部分介绍高级主题，包括模块、并行算法、并发和协程。《学习C++20（中文版）》适合需要了解C++20新特性的程序员，包括零基础或有经验的C++程序员以及其他想要了解C++的程序员，也适合希望开课

《康复机器人关键技术安全控制》着重讨论康复机器人系统的安全性和跟踪性问题，从控制的视角给出保障人机合作系统安全性的方案。书中研究康复机器人数学模型、执行器故障、各轴速度约束、安全速度性能、轨迹跟踪误差约束、运动状态约束、人机作用力观测、有限时间稳定跟踪及速度决策限时学习安全控制问题，给出康复机器人跟踪误差系统的稳定性条件及安全控制器的求解方法，解决了康复机器人安全控制的技术问题。《康复机器人关键技术安全控制》提出若干新的理论、方法和技术，为发展康复机器人安全控制理论和应用提供了途径。《康复机器人

本书详细讲解Python扩展库NumPy、Pandas、Matplotlib在数据分析与数据可视化领域的应用。全书共3章，第1章讲解基于NumPy的数组运算、矩阵运算、多项式计算及傅里叶变换等内容；第2章讲解基于Pandas的数据读写、生成、访问、修改、删除、分析与处理等内容；第3章讲解基于Matplotlib的折线图、散点图、柱状图、饼状图、雷达图、箱线图、小提琴图、风矢量图、等高线图、树状图、三维图形等各种图形绘制技术以及绘图区域切分、轴域属性设置、坐标轴属性设置、图例属性设置、动态图形绘制

本书是2023年不可错过的AIGC入门读物，是介绍大语言模型时代ChatGPT的重要资料，由人工智能独角兽企业硅基智能核心团队编纂而成，结合生动的比喻和有趣的案例，从大模型的一个典型场景切入，详细解读了AIGC的由来及发展历程，探讨大模型在图像视频生成，短视频、数字人制作，语音合成、克隆与变换等方面的应用。书中还涉及了一些经典商业案例的解读，不是单纯的纸上谈兵。这样一本理论与实践相结合的书，读起来饶有趣味。

本书全面系统地介绍数据挖掘的概念、技术、算法及应用,力求为初学者构建一个合适的学习框架。全书将数据挖掘归纳成数据预处理、数据探索、决策树、贝叶斯分类、人工神经网络、支持向量机、关联规则分析、聚类、时间序列预测等几个主题,不仅详解技术原理和算法实现,而且还结合复杂多样的实际数据环境,探讨其应用场景和使用方法。

本书是一本由浅入深地介绍深度学习的理论原理及PyTorch深度学习框架的入门书籍，全书通过图文并茂的方式对重点知识进行讲解，注重实践，详细地介绍了PyTorch的基本使用、神经网络的构建和训练技巧、卷积神经网络和循环神经网络的实现，以及前沿的深度生成模型的应用。通过学习本书，读者不仅可以了解深度学习，而且可以轻松实现机器作诗、自动乐曲生成、机器翻译、图像去噪等有趣的应用。全书配有注释详细的代码，方便读者学习与实践。本书适用于对人工智能感兴趣的读者，也适合作为深度学习领域的入门教材。

在大数据和人工智能时代，大数据对科学研究的重要性日益显现。本书基于Python这一学习难度较小的编程语言，选取劳动科学这一视角，系统介绍了如何对大数据进行收集、处理及分析。由浅入深是本书的一个特点。全书分为四个部分共20章，第一部分介绍了Python基础知识，第二部分介绍了Python数据处理，第三部分介绍了爬虫基础知识，第四部分介绍了爬虫技术应用的具体例子。内容丰富、易于理解是本书的另一个特点。本书以应用为目的，每部分内容都给出了详细的代码，便于读者掌握数据挖掘技术。书中列举了很多通俗易懂的例

《细说机器学习：从理论到实践》从数学知识入手，详尽细致地阐述机器学习各方面的理论知识、常用算法与流行框架，并以大量代码示例进行实践。本书内容分为三篇：篇为基础知识，包括机器学习概述、开发环境和常用模块、特征工程、模型评估、降维方法等内容。本篇详细而友好地介绍机器学习的核心概念与原理，并结合大量示例帮助读者轻松入门。第二篇为算法应用，涵盖机器学习重要与高频使用的模型，包括K-Means聚类、K近邻、回归、决策树、朴素贝叶斯、支持向量机、神经网络等内容。本篇不仅详细讲解各个算法的原理，还提供大量注释