內(nèi)容簡(jiǎn)介這是一部從源代碼角度出發(fā)，通過(guò)分析Flink的各個(gè)功能模塊的實(shí)現(xiàn)來(lái)剖析Flink的架構(gòu)設(shè)計(jì)和實(shí)現(xiàn)原理的著作。它將能指導(dǎo)讀者更好地對(duì)Flink進(jìn)行性能調(diào)優(yōu)、可用性保障、效能優(yōu)化和二次開(kāi)發(fā)。四位作者都是非常資深的Flink專家，部分作者是Flink源代碼的維護(hù)者和改造者，本書總結(jié)了他們?cè)诎⒗锇桶�、螞蟻集團(tuán)、滴滴等企

本書結(jié)合當(dāng)今控制領(lǐng)域的研究熱點(diǎn)，講解了復(fù)雜系統(tǒng)的分層結(jié)構(gòu)、計(jì)算機(jī)網(wǎng)絡(luò)控制的基本原理和系統(tǒng)概貌、實(shí)時(shí)控制程序的設(shè)計(jì)方法，以及網(wǎng)絡(luò)控制系統(tǒng)的實(shí)施方法。內(nèi)容包括網(wǎng)絡(luò)控制系統(tǒng)基礎(chǔ)知識(shí)、網(wǎng)絡(luò)傳輸延時(shí)、網(wǎng)絡(luò)控制系統(tǒng)的穩(wěn)定性分析與鎮(zhèn)定策略、基于模型參考自適應(yīng)的無(wú)刷直流電機(jī)網(wǎng)絡(luò)控制傳動(dòng)系統(tǒng)、基于動(dòng)態(tài)規(guī)劃的網(wǎng)絡(luò)控制系統(tǒng)最優(yōu)狀態(tài)反饋控制策

本書主要結(jié)合當(dāng)前流行的大數(shù)據(jù)框架Hadoop、HBase、Hive、、Storm、Flume、Kafka、Spark、SparkGraphX，采用案例形式系統(tǒng)地講解大數(shù)據(jù)應(yīng)用技術(shù)的相關(guān)知識(shí)。全書共有8章，分別介紹了大數(shù)據(jù)概論、大數(shù)據(jù)基礎(chǔ)知識(shí)、大數(shù)據(jù)文件存儲(chǔ)系統(tǒng)、大數(shù)據(jù)文件存儲(chǔ)系統(tǒng)、大數(shù)據(jù)計(jì)算技術(shù)、大數(shù)據(jù)應(yīng)用程序協(xié)調(diào)服務(wù)

本書以高頻數(shù)據(jù)為主要研究對(duì)象，將不同的自適應(yīng)分析方法(經(jīng)驗(yàn)?zāi)�態(tài)分解、整體經(jīng)驗(yàn)?zāi)�態(tài)分解、自適應(yīng)噪聲的完備經(jīng)驗(yàn)?zāi)�態(tài)分解、局部均值分解、總體局部均值分解)應(yīng)用到金融高頻數(shù)據(jù)的波動(dòng)率估計(jì)中，并比較分析了基于自適應(yīng)分析方法的波動(dòng)率估計(jì)的優(yōu)缺點(diǎn)、精度以及未來(lái)的應(yīng)用和發(fā)展。對(duì)波動(dòng)率進(jìn)行估計(jì)可以有效地把握市場(chǎng)的運(yùn)行規(guī)律，這為今后的資產(chǎn)

本書以Hadoop生態(tài)圈技術(shù)和Spark技術(shù)應(yīng)用實(shí)踐為核心，以提高學(xué)習(xí)者的大數(shù)據(jù)基礎(chǔ)理論水平和基本應(yīng)用能力為出發(fā)點(diǎn)，為學(xué)習(xí)大數(shù)據(jù)技術(shù)奠定基礎(chǔ)。本書系統(tǒng)闡述了Hadoop和Spark大數(shù)據(jù)技術(shù)應(yīng)用實(shí)踐的原理、方法和應(yīng)用相關(guān)知識(shí)。全書共7章內(nèi)容，內(nèi)容由淺入深。第1章緒論，介紹大數(shù)據(jù)技術(shù)現(xiàn)狀，并引出Hadoop技術(shù)。第2章L

本書從初學(xué)者角度出發(fā)，詳細(xì)講解了數(shù)據(jù)清洗與治理的理論和方法。全書共9章，包括數(shù)據(jù)清洗概述，數(shù)據(jù)類型與清洗，數(shù)據(jù)倉(cāng)庫(kù)與ETL技術(shù)，數(shù)據(jù)清洗與準(zhǔn)備，數(shù)據(jù)抽取，數(shù)據(jù)轉(zhuǎn)化與加載，Web數(shù)據(jù)采集，RDBMS數(shù)據(jù)清洗，數(shù)據(jù)聚合、合并與重塑。本書所有知識(shí)點(diǎn)都結(jié)合具體實(shí)例和程序講解，便于讀者理解和掌握。

本書共有8個(gè)項(xiàng)目組成，系統(tǒng)分析了自動(dòng)化生產(chǎn)線中供料單元、加工單元、裝配單元、分揀單元和輸送單元的機(jī)械安裝、工作原理、調(diào)試與運(yùn)行，基于以太網(wǎng)的整體聯(lián)調(diào)，以及組態(tài)控制的分單元和整體聯(lián)調(diào)等知識(shí)點(diǎn)。采用“做中學(xué)，學(xué)中做”的教材結(jié)構(gòu)，通過(guò)做項(xiàng)目導(dǎo)出和講解要掌握的內(nèi)容，在實(shí)踐中學(xué)習(xí)理論，理論與實(shí)訓(xùn)有機(jī)融合。

本書依托于Hadoop介紹了大數(shù)據(jù)分布式存儲(chǔ)、分布式并行處理、大數(shù)據(jù)采集、大數(shù)據(jù)查詢、大數(shù)據(jù)統(tǒng)計(jì)分析和大數(shù)據(jù)的推薦系統(tǒng)等技術(shù)。

本書介紹了圖像特征若干關(guān)鍵技術(shù)，重點(diǎn)圍繞圖像特征匹配的內(nèi)點(diǎn)選擇、魯棒性參數(shù)估計(jì)方法優(yōu)化和特征提取方法這三方面進(jìn)行探討，介紹了一些新研究成果，并對(duì)所提出算法的有效性通過(guò)理論分析和實(shí)驗(yàn)進(jìn)行驗(yàn)證。

本書共7章,第1章簡(jiǎn)要概述大數(shù)據(jù)分析平臺(tái)、工具及開(kāi)發(fā)語(yǔ)言;第2章介紹文本分析所需基本概念、思想、算法步驟,以及圖像處理的基本概念和方法;第3章給出來(lái)自數(shù)學(xué)規(guī)劃、人工智能的基本優(yōu)化方法,進(jìn)而介紹數(shù)據(jù)分析中常用的數(shù)據(jù)分類與聚類方法;第4章分析感知器模型、人工神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)的原理與算法,并通過(guò)應(yīng)用實(shí)例加