学术之秋.doc

“学术之秋”报告和心得体会
西安电子科技大学一直是我心目中向往的学术之地,“学术之春”和“学术之秋”更加平添了西电的学术气息。从开学那天起就期盼着这次的报告会,终于在2013年10月5日,我们智能感知与图像处理教育部重点实验室迎来了第九届的“学术之秋”报告。对这次报告会,不管是所里领导还是基层员工都给予了高度重视,请来了中科学家、西安交通大学副校长徐宗本教授,国家“百千万”人才工程首批入选者、国际智能感知与计算研究中心主任焦李成教授科学家、西安交通大学自动化科学与技术系主任兼综合自动化研究所所长韩崇昭教授等多位学者就一些和我们所研究方向相关的学术课题进行了详细的讲解。这次报告会长达五天,在这五天时间内,我们认真聆听了各位老师关于他们目前学术研究的工作总结。每一天对于我们来说都是收获的一天、成长的一天。对于我们这些刚刚学完大学课程,还没进入学术研究的学生,虽然很多东西听起来都不是很懂,也不知道怎么去把握,但根据老师们的报告,我们对于目前一些研究的热点问题有了进一步的了解。可以说这次报告会为我们指明了之后的学习方向,也促使我们去了解相关方面的知识。结合各位讲解中的一些问题,通过查阅文献,我更深入的学习了相关的学术知识,可以说是收获颇丰。
这次学术交流活动有40多场精彩的学术报告,报告内容以大数据智能计算与感知为主题,涉及“大数据涉及的若干科学问题与初步探索”,“网络化系统中智能信息处理的若干问题----时空一致性、联合估计与决策、意图推断”,“复杂数据的表示学习”“高光谱遥感影像光谱稀疏分解”,“大数据与稀疏学习”,“面向大数据的网络分析”,“海量遥感图像处理”,“大数据技术领域的若干关键问题”,“多源不确定数据广义信任分类与推理融合”,“大数据时代认知学习面临的挑战和机遇”,“大规模数据聚类及应用研究”,“迎接网络大数据时代”,“高光谱摄像机及其大数据处理”,“遥感大数据稀疏表示、深度学习与解译”等多个前沿研究领域。
 通过总结各位老师的报告以及查阅相关文献资料,我将从报告会中学习的知识总结如下:
大数据
大数据(big data),或称巨量资料,指的是所涉及的资料量规模巨大到无法透过目前主流软件工具,在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。(在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中大数据指不用随机分析法(抽样调查)这样的捷径,而采用所有数据的方法)。大数据的4V特点:Volume、Velocity、Variety、Veracity。
“大数据”作为时下最火热的IT行业的词汇,随之而来的数据仓库、数据安全、数据分析、数据挖掘等等围绕大数据的商业价值的利用逐渐成为行业人士争相追捧的利润焦点。
早在1980年,著名未来学家阿尔文·托夫勒便在《第三次浪潮》一书中,将大数据热情地赞颂为“第三次浪潮的华彩乐章”。不过,大约从2009年开始,“大数据”才成为互联网信息技术行业的流行词汇。美国互联网数据中心指出,信息互联网上的数据每年将增长50%,每两年便将翻一番,而目前世界上90%以上的数据是最近几年才产生的。此外,数据又并非单纯指人们在互联网上发布的,全世界的工业设备、汽车、电表上有着无数的数码传感器,随时测量和传递着有关位置、运动、震动、温度、湿度乃至空气中化学物质的变化,也产生了海量的数据信息。
大数据技术的战略意义不在于掌握庞大的数据信息,而在于对这些含有意义的数据进行专业化处理。换言之,如果把大数据比作一种产业,那么这种产业实现盈利的关键,在于提高对数据的“加工能力”,通过“加工”实现数据的“增值”。且中国物联网校企联盟认为,物联网的发展离不开大数据,依靠大数据可以提供足够有利的资源。
随着云时代的来临,大数据(Big data)也吸引了越来越多的关注。《著云台》的分析师团队认为,大数据(Big data)通常用来形容一个公司创造的大量非结构化和半结构化数据,这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起,因为实时的大型数据集分析需要像MapReduce一样的框架来向数十、数百或甚至数千的电脑分配工作。
大数据分析相比于传统的数据仓库应用,具有数据量大、查询分析复杂等特点。《计算机学报》刊登的“架构大数据:挑战、现状与展望”一文列举了大数据分析平台需要具备的几个重要特性,对当前的主流实现平台———并行数据库、MapReduce及基于两者的混合架构进行了分析归纳,指出了各自的优势及不足,同时也对各个方向的研究现状及作者在大数据分析方面的努力进行了介绍,对未来研究做了展望。
对于“大数据”(Big data),研究机构Gartner给出了这样的定义:“大数据”