信息化、智能化技术的快速发展引发了数据爆发式增长，大数据时代的到来也伴随着\"信息过载\"问题的出现。推荐系统是解决信息过载问题的有效方法，作为现阶段推荐算法当中应用为广泛的个性化推荐算法之一，协同过滤推荐算法有着该领域内其他推荐算法无法比拟的诸多优点。但是在实际应用场景中，协同过滤推荐算法仍然有较多问题亟须解决。针对协同过滤推荐算法面对的数据稀疏性问题，《推荐系统关键技术的研究》分别采用数据填充方法、融合信任的概率矩阵分解模型、融合用户评分信息和项目评论特征的深度学习模型进行分析解决。针对协同

本书研究面向强噪声场景的低秩稀疏学习视觉目标跟踪方法。基于变分法和分数阶微积分理论改善强噪声场景下的视觉信息质量问题；基于低秩表示和稀疏表示理论解决目标外观多样性情况下的表观建模问题；基于融合LASSO、变分法和分数阶微积分理论解决复杂环境遮挡带来的目标特征丢失问题和目标快速运动带来的跟踪漂移问题；基于反向稀疏表示描述解决跟踪模型在线学习的计算效率问题。本书可供高等院校自动化、计算机、电子信息等相关专业的本科生和研究生，以及从事计算机视觉和数字图像处理领域的工程技术人员和研究人员参考阅读。

计算机在解题的过程中，无论是形成解题思路还是编写程序，都是在实施某种算法，《计算机算法理论与应用》对计算机算法的理论与应用进行了深入分析，首先阐述了计算机算法基础知识，而后分别论述了计算机神经网络算法与应用、数据挖掘算法与应用、MATLAB算法与应用、工程图形算法与应用、数字视频图像处理算法与应用、智能算法与应用、蚁群算法及其应用、群体智能算法及其应用、高维多目标进化算法与应用及视觉算法在智能车中的应用，最后分析了网络环境下计算机的安全性问题。《计算机算法理论与应用》可供计算机科学等相关专业本科

计算机算法是计算机科学和计算机应用的核心。本书以算法设计策略为主线，系统介绍了算法的设计方法和分析技巧。书中既涉及传统算法的实例分析，更有算法领域热点研究课题追踪，具有较高的实用价值。本书主要内容包括：递归与分治策略、动态规划算法、贪心算法、搜索算法、概率算法、NP完全性理论、近似算法、现代计算智能算法简介等。

本书将典型的经典问题和算法设计技术巧妙地进行结合，系统地论述算法设计技术及其在经典问题中的应用。主要内容包括：计算机算法的基础知识、算法复杂性分析、贪心算法、分治策略、动态规划、随机算法、图的搜索算法、NP完全问题。本书结构合理，内容丰富，深入浅出，图例丰富，理论性的实用性并重，可续性强，是一本值得学习研究的著作。

《计算机算法设计与分析》深入浅出地介绍了计算机算法的基本理论和方法，主要内容包括算法导引、图的周游与小支撑树算法分析、递归与分治策略分析、动态规划法的设计与分析、贪心算法的分析与优化、回溯法问题分析、分支限界法问题分析、NP完全性分析、随机算法分析、近似算法的设计与分析、智能优化算法研究等。