机读格式显示(MARC)

• 000 02396nam 2200397 450

• 001 0000621689

• 005 20161031153200.0

• 010 __ |a 978-7-121-27551-7 |d CNY89.00

• 100 __ |a 20160608d2016 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a a a 000yy

• 106 __ |a r

• 200 1_ |a 认知网络测量与大数据 |A ren zhi wang luo ce liang yu da shu ju |d = Cognitive networked sensing and big data |f (美) 邱才明, Michael Wicks著 |g 宋彬, 秦浩, 刘海啸等译 |z eng

• 210 __ |a 北京 |c 电子工业出版社 |d 2016

• 215 __ |a 17, 408页 |c 图 |d 26cm

• 225 2_ |a 经典译丛 |A jing dian yi cong |i 信息与通信技术

• 305 __ |a 由Springer Science + Business Media, LLC授予电子工业出版社

• 314 __ |a 责任者Wicks规范汉译姓: 威克斯

• 314 __ |a 邱才明 (Robert Qiu)，教授，博士，美国电气电子工程师协会会士，上海交通大学大数据工程技术研究中心主任，国家“千人计划”特聘教授等。

• 314 __ |a Michael Wicks，教授，博士，美国空军传感信号处理高级科学家等。于1981年在伦斯勒理工学院获得学士学位，1985年在雪城大学获得理学硕士学位，1995年在雪城大学获得博士学位。2011年5月至今在戴顿大学任教。

• 320 __ |a 有书目 (第379-408页)

• 330 __ |a 本书系统论述了大规模网络下认知测量的基本理论及某些应用问题，基本涵盖了认知测量在理论和实际应用中各个方面的内容。全书包括随机矩阵和的性质，随机矩阵的集中不等式性质及高维大数据矩阵特征值的集中不等式性质，随机矩阵的非渐进和局部性质及渐进和全局性质。还详细介绍了认知测量理论在其他学科中的具体应用，包括压缩感知、矩阵填充、低秩矩阵恢复、高维协方差矩阵估计、高维信号检测、概率条件受限的优化问题求解等。最后讨论了相关理论在大数据应用中的分析方法。

• 333 __ |a 本书可作为高等院校信息工程、通信工程、雷达、计算机、电子学、信息及计算科学等相关专业的本科生、研究生的认知网络课程教材或教学参考书，也可供数学、物理、生物学、系统科学等专业研究生，以及从事认知网络和大数据理论、技术、方法研究的科研工作者和工程人员参考。

• 410 _0 |1 2001 |a 经典译丛 |i 信息与通信技术

• 500 10 |a Cognitive networked sensing and big data |A Cognitive Networked Sensing And Big Data |m Chinese

• 606 0_ |a 计算机通信网 |A ji suan ji tong xin wang |x 测量 |x 研究

• 690 __ |a TN915 |v 5

• 701 _1 |a 邱才明 |A qiu cai ming |g (Qui, Robert) |4 著

• 701 _1 |a 威克斯 |A wei ke si |g (Wicks, Michael) |4 著

• 702 _0 |a 宋彬 |A song bin |4 译

• 702 _0 |a 秦浩 |A qin hao |4 译

• 702 _0 |a 刘海啸 |A liu hai xiao |4 译

• 801 _0 |a CN |b HDUL |c 20161031

• 905 __ |a HDUL |d TN915/746

• 920 __ |a 233030 |z 1