《数据挖掘实用机器学习技术(原书第2版)》介绍数据挖掘的基本理论与实践方法。主要内容包括：各种模型(决策树、关联规则、线性模型、聚类、贝叶斯网以及神经网络)以及在实践中的运用，所存在缺陷的分析。安全地清理数据集、建立以及评估模型的预测质量的方法，并且提供了一个公开的数据挖掘工作平台Weka。Weka系统拥有进行数据挖掘任务的图形用户界面，有助于理解模型，是一个实用并且深受欢迎的工具。 海报：

支持向量机（SVM）是在统计学习理论的基础上发展起来的新一代学习算法，它在文本分类、手写识别、图像分类、生物信息学等领域中获行较好的应用。本书是第一本综合介绍支持向量机（SVM）的书籍，它从机器学习算法的基本问题开始，循序渐进地介绍相关的背景知识，包括线性分类器、核函数特征空间、推广性理论和优化理论，在此基础上很自然地引出了支持向量机的算法。本书末尾还详细讨论了一系列支持向量机的重要应用及其实现的技巧。本书的叙述清晰严谨，自包含性强，提供的大量相关文献引用以及网站链接可作为进一步学习的理想起始点。本书可作为计算机、自动化、机电工程、应用数学等专业的研究生教材，也可作为神经网络、机器学习、数据挖掘、人工智能等课程的参考教材，同时还是相关领域的教师和研究人员的参考书。

本书是数字图像处理领域的一本新著，是1977年问世的《数字图像处理（第一版）》的重要修订与扩充。较上一版，啬了关于小波变换、图像形态学和彩色图像处理的章节，并新增了500多幅图像、200多幅图表。该书是近20年来此领域最权威的教材之一。全书共分12章，首先介绍了数字图像基础、空间域和频域的图像增强；然后讨论了图像复原、彩色图像处理、小波变换及多分辨率处理和图像压缩；最后讲述了形态学图像处理、图像分割、表示与描述和对象识别等。本书侧重于对数字图像处理基本概念和方法的介绍，并为本领域的进一步学习和研究奠定了坚实的基础。全书概念清楚、深入浅出、图文并茂，并且反映了近10年来数字图像处理领域的最新发展情况。 本书主要适用于信号与信息处理、计算机科学与技术、自动化、电子科学与技术、通信工程、地球物理、生物工程、物理、化学、医学、遥感等领域的大学教师、科技工作者、研究生、大学本科高年级学生以及工程技术人员。