认知网络感知和大数据

Robert+Qiu

近几年，大数据和物联网被人们越来越多地提及。人们认为，这两个领域将是下一次技术革命的开端，也是未来信息技术的核心。因此，很多国家非常重视这两个领域的研究。2009年8月，中国在无锡建立“感知中国”物联网研发中心。包括中科院在内的众多科研院所和企业也都在此设立研究部门。

认知网络是一种基于传感器的大规模智能认知网络。面对该网络产生的大量数据，大数据技术是实现数据处理和分析的核心。因此，本书将认知网络和大数据结合起来进行讨论，并试图回答一些基本问题。例如，我们如何使用大规模网络感知环境；感知网络有什么特性；如何处理大量数据以及样本容量对感知精度的影响等。

从这几个问题出发，本书分3部分共计13章介绍和讨论了认知网络感知和大数据技术。

第1部分，包括第1章。主要为读者后续的学习提供必要的背景知识。

第2部分，矩阵随机变量之和、深层次数学模型以及线性矩阵函数等数学问题。包括第2-5章，是本书的核心。2-4.阐述有关矩阵随机变量之和、深层次数学模型以及线性矩阵函数等数学问题；5.在前面基础上，对随机矩阵理论的最新研究成果进行了论述和总结。

第3部分，主要是前述数学理论在实际中的应用。包括第6-13章：对第5章的结论进行比较，使本书前半部分更为完整；第7-8章阐述了感知数据压缩和稀疏向量恢复、测量矩阵分解的问题；第9-10章，在高维度上，协方差矩阵的估计及其在假设检验上的应用；11.概率约束优化在“凸问题”的应用；12.给出了集中不等式在大数据处理中的地位以及两者的联系；13.将之前所有的内容综合在一起，对本书进行了总结。

译介人根据自已学习阅读的体验，对读者有如下建议：

（1）读者需要的很好的数学知识基础。本书非常注重数学模型和理论的研究。恰好本书的前6章基本是进行数学理论和模型论述。主要涉及随机变量和过程、矩阵论和概率统计等知识。（2）读者还需要对大数据有基本的了解。虽说本书并未提到实际大数据处理的例子，但了解大数据及其相关特点（4V）对理解相关理论的应用非常有利。

总而言之，该书是认知网络和大数据相关教材中非常专业的一本书。但前提是读者要有较好的数学功底，最好是接受过研究生学习的研究人员。对于从事认知网络和大数据研究的研究生与科研人员，本书无疑很有参考价值。

叶松庆，硕士研究生

（中国科学院大学计算机控制学院）endprint