计算机科学

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。

全书分为两个部分，第1部分 介绍基本背景和问题，含第1-3章：1.引言；2.数据稀疏性和正则化方法；3.协方差矩阵。第2部分 介绍基于正则化方法进行协方差矩阵估计，含第4-7章：4.特征值、特征向量和正则化；5.稀疏高斯图模型；6.估计协方差矩阵的3种方法；7.多变量回归。

本书作者Mohsen Pourahmad教授是美国德克萨斯农机大学（Texas A&M University）统计学教授，研究兴趣包括时间序列分析、预测理论、多元统计、协方差矩阵建模等。本书是高维协方差矩阵估计方面的专著，不仅对最新的方法进行了介绍，也对高维数据统计分析的一些基本理论和概念进行了梳理，为学生理解理论的前因后果提供了指引。因此本书非常适合相关专业的研究生阅读。

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。

全书分为35章：1.对可扩展并行计算和通信进行了综述；2.无线传感器网络的拓扑控制中可靠最小连通支配集问题；3.可扩展P2P流媒体视频系统中节点选择的问题；4.多核和众核计算；5.大规模异构CPU/GPU超级计算机上的可扩展计算问题；6.多CPU系统中的故障诊断问题；7.多核、多线程CPU的性能分析方法；8.移动多核计算；9.多核系统中可扩展、低功耗计算的算法和建模；10.基于移动位置管理的无线网可扩展通信中的开销优化；11.半自动严格并行的计算框架；12.无线网中的容错和传输可靠性问题；13.科学计算代码的优化和调整；14.云计算中的隐私和保密问题；15.P2P网络中的信誉管理；16.异构分布式系统中安全分片机制；17.无线传感器网络中的压缩方法；18.CFOG网格计算框架；19.通过调整任务计算时间最大化实时系统利用率；20.基于动态适应网格调度的多层次优化；21.众核系统中指针跳转的精确推断；222.利用自动计算方法对科学计算程序进行性能优化；23.通过对查询结果进行分析、预测和预取提高搜索引擎可扩展性的方法进行了综述；24.移动传感器网络中的KNN查询；25.设计模拟大规模数据库时的数据划分问题；26.大规模并行应用中的可扩展运行时环境；27.通过优化APU提高性能的策略；28.云计算中的优化问题；29.可扩展嵌入式系统的建模；30.普适计算中的可扩展服务集成；31.GPU的虚拟化技术；32.分布式异构硬件中的密集线性代数计算；33.可扩展计算中的容错技术；34.可扩展计算中的并行编程模型；35.面向任务调度和文件复制的网格模拟工具。

本书对目前热门的分布式可扩展计算系统的设计、分析、建模、优化、应用等方面的问题进行了比较系统的介绍，非常适合科研人员和研究生阅读参考。