本书是以本世纪初一项早期藏文识别实验为基础、并融会国内有关汉藏文识别理论和方法编著形成的，其中汉字识别数据和阐述广泛吸收了国内外学者的学术观点和技术论述，藏文识别也详细引用了清华大学和西北民族大学合作的项目成果，因此本书不仅是一本介绍藏文识别的著述，也可兼作藏语文信息处理的科研教学研究参考书。

《计算机视觉中的数学方法》由射影几何、矩阵与张量、模型估计3篇组成，它们是三维计算机视觉所涉及的基本数学理论与方法。射影几何学是三维计算机视觉的数学基础，《计算机视觉中的数学方法》着重介绍射影几何学及其在视觉中的应用，主要内容包括：平面与空间射影几何，摄像机几何，两视点几何，自标定技术和三维重构理论。矩阵与张量是描述和解决三维计算机视觉问题的必要数学工具，《计算机视觉中的数学方法》着重介绍与视觉有关的矩阵和张量理论及其应用，主要内容包括：矩阵分解，矩阵分析，张量代数，运动与结构，多视点张量。模型估计是三维计算机视觉的基本问题，通常涉及变换或某种数学量的估计，《计算机视觉中的数学方法》着重介绍与视觉估计有关的数学理论与方法，主要内容包括：迭代优化理论，参数估计理论，视觉估计的代数方法、几何方法、鲁棒方法和贝叶斯方法。

《高维信息几何与语音分析》共三个部分，第一部分是介绍语音分析的常见研究方法，第二部分是高维信息几何基础知识，它主要介绍了高维信息几何的欧氏空间与高维信息几何线性代数基础理论基本算法，第三部分给出了高维信息几何理论及其算法在语音分析中的实际应用，它主要是提出了高维信息几何点覆盖理论及几何分析方法，对连续语音在高维空间中的种种表现形式加以探讨，给出了语音信息映射到高维空间后的分布概况。

数据挖掘领域最具里程碑意义的经典著作
完整全面阐述该领域的重要知识和技术创新
【编辑推荐】
我们生活在数据洪流的时代。本书向我们展示了如何从这样海量的数据中找到有用知识的方法和技术。最新的第3版显著扩充了数据预处理、挖掘频繁模式、分类和聚类这几个核心章节的内容；还全面讲 述了OLAP和离群点检测，并研讨了挖掘网络、复杂数据类型以及重要应用领域。本书将是一本适用于数据分析、数据挖掘和知识发现课程的优秀教材。
—— Gregory Piatetsky-Shapiro, KDnuggets的总裁
Jiawei、Micheline和Jian的教材全景式地讨论了数据挖掘的所有相关方法，从聚类和分类的经典主题，到数据库方法（关联规则、数据立方体），到更新和更高级的主题（SVD/PCA、小波、支持向量机），等等。总的说来，这是一本既讲述经典数据挖掘方法又涵盖大量当代数据挖掘技术的优秀著作，既是教学相长的优秀教材，又对专业人员具有很高的参考价值。
—— 摘自卡内基-梅隆大学Christos Faloutsos教授为本书所作序言
【内容简介】
当代商业和科学领域大量激增的数据量要求我们采用更加复杂和精细的工具来进行数据分析、处理和挖掘。尽管近年来数据挖掘技术取得的长足进展使得我们广泛收集数据越来越容易，但技术的发展依然难以匹配爆炸性的数据增长以及随之而来的大量数据处理需求，因此我们比以往更加迫切地需要新技术和自动化工具来帮助我们将这些数据转换为有用的信息和知识。
本书前版曾被KDnuggets的读者评选为最受欢迎的数据挖掘专著，是一本可读性极佳的教材。它从数据库角度全面系统地介绍数据挖掘的概念、方法和技术以及技术研究进展，并重点关注近年来该领域重要和最新的课题——数据仓库和数据立方体技术，流数据挖掘，社会化网络挖掘，空间、多媒体和其他复杂数据挖掘。每章都针对关键专题有单独的指导，提供最佳算法，并对怎样将技术运用到实际工作中给出了经过实践检验的实用型规则。如果你希望自己能熟练掌握和运用当今最有力的数据挖掘技术，那这本书正是你需要阅读和学习的宝贵资源。本书是数据挖掘和知识发现领域内的所有教师、研究人员、开发人员和用户都必读的一本书。
本书特点
引入了许多算法和实现示例，全部以易于理解的伪代码编写，适用于实际的大规模数据挖掘项目。
讨论了一些高级主题，例如挖掘面向对象的关系型数据库、空间数据库、多媒体数据库、时间序列数据库、文本数据库、万维网以及其他领域的应用等。
全面而实用地给出用于从海量数据中获取尽可能多信息的概念和技术。