Robert+Qiu

近幾年，大數(shù)據(jù)和物聯(lián)網(wǎng)被人們越來越多地提及。人們認為，這兩個領域?qū)⑹窍乱淮渭夹g革命的開端，也是未來信息技術的核心。因此，很多國家非常重視這兩個領域的研究。2009年8月，中國在無錫建立“感知中國”物聯(lián)網(wǎng)研發(fā)中心。包括中科院在內(nèi)的眾多科研院所和企業(yè)也都在此設立研究部門。

認知網(wǎng)絡是一種基于傳感器的大規(guī)模智能認知網(wǎng)絡。面對該網(wǎng)絡產(chǎn)生的大量數(shù)據(jù)，大數(shù)據(jù)技術是實現(xiàn)數(shù)據(jù)處理和分析的核心。因此，本書將認知網(wǎng)絡和大數(shù)據(jù)結(jié)合起來進行討論，并試圖回答一些基本問題。例如，我們?nèi)绾问褂么笠?guī)模網(wǎng)絡感知環(huán)境；感知網(wǎng)絡有什么特性；如何處理大量數(shù)據(jù)以及樣本容量對感知精度的影響等。

從這幾個問題出發(fā)，本書分3部分共計13章介紹和討論了認知網(wǎng)絡感知和大數(shù)據(jù)技術。

第1部分，包括第1章。主要為讀者后續(xù)的學習提供必要的背景知識。

第2部分，矩陣隨機變量之和、深層次數(shù)學模型以及線性矩陣函數(shù)等數(shù)學問題。包括第2-5章，是本書的核心。2-4.闡述有關矩陣隨機變量之和、深層次數(shù)學模型以及線性矩陣函數(shù)等數(shù)學問題；5.在前面基礎上，對隨機矩陣理論的最新研究成果進行了論述和總結(jié)。

第3部分，主要是前述數(shù)學理論在實際中的應用。包括第6-13章：對第5章的結(jié)論進行比較，使本書前半部分更為完整；第7-8章闡述了感知數(shù)據(jù)壓縮和稀疏向量恢復、測量矩陣分解的問題；第9-10章，在高維度上，協(xié)方差矩陣的估計及其在假設檢驗上的應用；11.概率約束優(yōu)化在“凸問題”的應用；12.給出了集中不等式在大數(shù)據(jù)處理中的地位以及兩者的聯(lián)系；13.將之前所有的內(nèi)容綜合在一起，對本書進行了總結(jié)。

譯介人根據(jù)自已學習閱讀的體驗，對讀者有如下建議：

（1）讀者需要的很好的數(shù)學知識基礎。本書非常注重數(shù)學模型和理論的研究。恰好本書的前6章基本是進行數(shù)學理論和模型論述。主要涉及隨機變量和過程、矩陣論和概率統(tǒng)計等知識。（2）讀者還需要對大數(shù)據(jù)有基本的了解。雖說本書并未提到實際大數(shù)據(jù)處理的例子，但了解大數(shù)據(jù)及其相關特點（4V）對理解相關理論的應用非常有利。

總而言之，該書是認知網(wǎng)絡和大數(shù)據(jù)相關教材中非常專業(yè)的一本書。但前提是讀者要有較好的數(shù)學功底，最好是接受過研究生學習的研究人員。對于從事認知網(wǎng)絡和大數(shù)據(jù)研究的研究生與科研人員，本書無疑很有參考價值。

葉松慶，碩士研究生

（中國科學院大學計算機控制學院）endprint