计算机科学
![]() |
《高维协方差估计》 High-Dimensional Covariance Estimation: With High-Dimensional Data Mohsen Pourahmadi 著 2013年,208页,ISBN: 9781118034293 书评者: 张志斌,副研究员 (中国科学院计算技术研究所) ![]() ![]() |
高维数据分析是各种自然和工程科学研究中经常遇到的问题,也是统计学、机器学习、数据挖掘等领域的热门话题。例如在机器学习领域就有著名的"维数诅咒"的说法,即一般在低维情况下有效的模型和算法到了高维空间就有可能变得低效或者失效。因此高维数据的研究对众多领域都有重要的理论和现实意义。高维数据分析中一个非常重要的问题是数据稀疏性的问题,即在非常高维的空间中只有很少一部分数据出现或者能够被获取到,大部分数据点很少出现。这构成一个矛盾,即对于高维数据的存储和维护本身需要付出高昂的代价,而其中又只有很少一部分代价构成现实意义。协方差矩阵在描述高维数据中变量之间相关特性中具有非常重要的作用。但是,高维数据分析问题中往往维数大于数据量,这给构造协方差矩阵带来了非常大的困难。本书的目标是介绍目前解决高维数据协方差矩阵估计的最新和最重要的理论和方法。 |
![]() |
《可扩展计算与通信:理论和实践》 Scalable Computing and Communications: Theory and Practice Samee U.Khan 等编著 2013年,856页,ISBN: 9781118162651 书评者: 张志斌,副研究员 (中国科学院计算技术研究所) ![]() ![]() |
随着半导体、微电子等领域的技术突破,人类所设计的电子计算设备的计算能力正在不断增强。著名的摩尔定律仍然有效。在这种大的背景下,计算科学的主题也在悄悄地发生着变化。与过去通过并行方式来提升计算能力相比,目前可扩展并行计算的目标正在变得更加多样化。人们不仅仅追求并行计算带来的计算能力方面的提升,还会关注数据的存储、分享、挖掘等更具现实意义的应用。而可扩展并行计算的概念也在不断更新,从分布式计算到网格、P2P,再到云计算等等,让人眼花缭乱。本书正是结合这样的大背景,对可扩展计算领域所涉及到的理论、方法和应用进行了全面的总结和梳理。 |
点击浏览更多Wiley在计算机科学领域的出版物