《TCP/IP路由技术（第2卷）（第2版）》是有关Cisco外部路由协议和高级IP路由主题的**指南，是Cisco路由与交换领域实属罕见的经典著作。本书在上一版的基础上进行了全面更新，其可读性、广度和深度相较于上一版有了相当大的改进。《TCP/IP路由技术（第2卷）（第2版）》主要分为11章，其内容包括域间路由概念、BGP简介、BGP和NLRI、BGP和路由策略、扩展BGP、多协议BGP、IP组播路由简介、协议无关组播、扩展IP组播路由、IPv4到IPv4的网络地址转换（NAT44）、IPv6到IPv4的网络地址转换（NAT64）等。为了方便读者深入掌握各章所学知识，本书提供了大量的案例分析材料，涵盖了协议配置、故障检测和排除等方面。每章在结束时都提供大量的复习题、配置练习和排错练习，以加强读者对所学知识的理解与记忆。《TCP/IP路由技术（第2卷）（第2版）》除了适合众多备考的准CCIE以及需要通过再认证的CCIE阅读，还非常适合从事大型IP网络规划、设计和实施工作的工程技术人员及网络管理员参考。

本书主要论述基于无线传感器网络的目标定位与跟踪的理论、技术与方法，主要内容包括局部回归建模、节点预测唤醒、快速建模定位方法的基于支持向量回归建模定位理论和包括节点任务分配、数据融合、图模型建模的无线传感器网络目标跟踪理论、算法与应用。

暂缺简介...

本书是一本入门级的Linux学习教材，适合初学者阅读。本教程由浅入深，内容精湛，案例丰富，通俗易懂！书中分两部分：前面为基础知识，内容涉及Linux的安装、使用远程登录工具登录Linux、文件和目录管理、磁盘管理、Vim、压缩和解压缩文件和目录、安装和卸载软件包等；后面为进阶知识，内容包括正则表达式、shell脚本、日常管理操作、LAMP环境、LNMP环境、MySQL常用的操作、NFS、FTP、Tomcat、Linux集群和Zabbix监控等。与上一版相比，这一版不仅基于CentOS 7.3进行了全面修订，并且增加了firewalld、Tomcat连接MySQL、集群架构、Zabbix监控等内容。即使是零基础的人，只要能够坚持把所有章都学完，也一定会受益匪浅。对于有工作经验的人，它也是一本详尽的工具书，助你解决工作当中的一些需求和难题，让你受益匪浅。

本书是按照高职高专的教学要求，以岗位职业技能培养为目的而编写的教材。系统地讲述了计算机网络的基本原理和基本技术。全书共分为两大部分，第一部分是理论篇，主要讲述计算机网络基础知识，共10章，包括计算机网络概述、数据通信基础、网络体系结构、局域网技术、广域网技术、无线网络技术、网络操作系统、Internet应用技术、网络安全和网络规划与设计。第二部分是实训篇，包括10个实训内容。本书为任课老师提供多媒体电子课件。本书既注重计算机网络基础理论的讲解又注重实践和应用，适合作为高职高专计算机信息类各专业和计算机网络专业的教材，还可供广大网络管理人员和技术人员参考。

暂缺简介...

本书内容共分为5章。从高性能入侵检测系统产品的技术实现和标准介绍入手，对下一代互联网环境中部署的入侵检测系统产品的产生需求、发展历程、实现原理、技术标准、应用场景和典型产品等内容进行了全面翔实的介绍。

针对目前国内外多传感器信息融合估计理论的研究现状，对于带已知模型参数和噪声统计的多传感器系统，本书提出了几种改进的*优加权观测融合算法，它们可以减少计算负担。对于带未知模型参数和噪声统计的多传感器系统，提出了自校正加权观测融合Kalman估值算法，研究了其收敛性，并提出了它们在目标跟踪系统和信号处理中的仿真应用。本书*主要的工作有如下四个方面：**，对于多传感器线性随机系统，基于加权*小二乘准则，提出了几种加权观测融合Kalman估值算法，包括加权观测融合算法、改进的加权观测融合算法和基于正交变换的加权观测融合算法。当观测方程含有公共干扰噪声，且观测噪声方差和过程噪声方差都是对角矩阵时，一种快速的高维矩阵求逆算法被提出。用基于信息矩阵的Kalman滤波器证明所提出的*优加权观测融合Kalman估值器都是全局*优的。同时还比较了这几种新算法完成一次迭代所需要的计算次数，通过具体的数据可以得到所提出的*优加权观测融合Kalman估值算法 和集中式观测融合Kalman滤波算法相比，能显著减少计算负担。第二，分别针对带未知噪声统计的多传感器线性离散系统以及带未知模型参数和未知噪声方差的伴随型多传感器线性系统，应用系统辨识方法、相关函数方法和Gevers-Wouters算法，获得了未知模型参数和噪声方差的局部和融合估值。将所得到的一致性的融合估值代入*优加权观测融合Kalman估值算法得到了相应的自校正加权观测融合Kalman估值器。它的计算过程比较简单，易于实时在线实现。第三，经典Kalman滤波理论的基础就是Riccati方程，因此本文的另一个突破点就是提出了一般的动态方差误差系统分析方法，并用它证明了自校正Riccati方程的收敛性，其关键部分就是将Riccati方程和自校正Riccati方程的差转化为动态Lyapunov方程，从而将收敛性问题转化为该Lapunov方程解的稳定性问题。进而，在自校正Riccati方程收敛性的基础上，应用动态误差系统分析方法证明了所提出的自校正加权观测融合Kalman估值器的收敛性，从而证明了它的渐近全局*优性。第四，将前两方面的工作应用到多传感器自回归信号或自回归滑动平均信号中可以得到该信号的*优和自校正加权观测融合Kalman信号估值器。首先对于带未知噪声统计的多传感器单通道自回归（AR）信号，当该系统的噪声统计未知时，提出了相应的自校正加权观测融合Kalman信号估值器。且对于带公共干扰噪声和传感器偏差的多传感器多通道自回归滑动平均（ARMA）信号系统，当系统的模型参数和噪声统计都未知时，提出了该信号的自校正加权观测融合Kalman信号估值器。

暂缺简介...

暂缺简介...