主讲人：魏骁勇 副教授 讲座时间：2012年11月16日（星期五）下午 3点 讲座地点：基础教学楼B座412 讲座内容：本次讲座魏老师将跟我们分享“劈砖事件“成名之后的变化和启示；花7年从本科生成长成副教授的成功经验分享；同时魏教授还会为我们提供一些创业和科研方面的思路；以及最新科研成果及其产品的（视频检索、手机客户端应用、社会关系网挖掘、版权检测等DEMO）现场展示。 »

报告题目：Evolutionary Computation for Future Internet: Internet of Things 报告人：Prof. Han-Chieh Chao(President and Joint Appointment Professor of National Ilan University, Taiwan Fellow of IEE, »

PCA相关原理和具体求解方法楠哥意见介绍过了，这里主要说一下有关PCA的背景知识和应用举例。 主成分分析 （ Principal Component Analysis ， PCA ）是一种掌握事物主要矛盾的统计分析方法，它可以从多元事物中解析出主要影响因素，揭示事物的本质，简化复杂的问题。计算主成分的目的是将高维数据投影到较低维空间。给定 n 个变量的 m 个观察值，形成一个 n ′ m 的数据矩阵， n 通常比较大。对于一个由多个变量描述的复杂事物，人们难以认识，那么是否可以抓住事物主要方面进行重点分析呢？ »

大概是从九月中旬收到实验手册出版委托书后，我开始了实验手册第二部分的修改和校正，现在基本完成。中间得到梦颖，小乔和10级参加实验手册写作同学和朱老师的诸多帮助，在此一并谢过。写作的过程是十分值得记忆的。在此写点心得文字以作纪念。        我认为人生的学习大致分为三个阶段：”依葫芦画瓢“，”依瓢画葫芦“，”没有瓢也没有葫芦“。 依葫芦画瓢：       这个阶段我们的主要任务是学习，按照书上，老师讲的来学习，第一次对这句话有印象，是我高二的数学老师在课堂上说的。我很认同这句话，我们的学习过程就是把别人的葫芦拿过来，自己试着画瓢，当我们没看懂别人的葫芦的时候我们画出来的瓢可能就不是瓢了，但是只要我们理解了，懂了。有了葫芦就一定能有瓢。比如， »

之前对PCA学习之后做了一个总结，主要是从如何计算的角度来进行的，今天从PCA的概念出发，利用数学知识再从另外的一个角度对PCA做一个阐述： 1：PCA的主要作用： PCA是用来对数据降维的，比如一个行向量X=(X1,X2,X3,…Xn)它的维度就是n，那么对它进行PCA之后要让它变成Y=(Y1,Y2,…Ym)同时m»

热烈祝贺由孙亚楠、朱敏开发的基于最小生成面积文字云的可视化文本主题分析软件获得中华人民共和国国家版权局的计算机软件著作权登记！ 随着、博客、电子邮件等网络媒体的广泛普及及其应用，文本可视化技术再度得到重视，而文字云就是其中的热点之一。相较于传统的文字云相关软件，该基于最小生成面积文字云的可视化文本主题分析软件主要创新点在于： 1. 可以比对多文本序列; 2. 可以设置基础字体以及权重; 3. 使用一种算法保证矩形最小生成面积; 4. 技术上：多线程，执行效率高；如果比对文本过多的时候，可以自适应基础字体权重。 祝广大师生再接再厉取得更好的成绩！ »

PCA是一种对高维度数据进行降维的一种方法，为了能够了解PCA的具体过程，一些数学知识，比如：期望，标准差，方差，协方差，特征值，特征向量等都是必须了解的。不过不要怕，我这里先一个一个来介绍下这些概念。 PCA是一种常用的统计方法，什么是统计分析的过程？就是用样本数据的特征去代表整体数据特征，而统计就是来分析这个样本数据的特征（为什么要这样来做？而不是把全部数据拿来分析呢？因为全部数据量太大）。 1：概念介绍 Ø  期望 在我们的一组离散数据中，期望就是平均值。 ，n代表样本点的个数， »

报告题目：Urban Computing with City Dynamics 报告人：郑宇（微软亚洲研究院） 报告时间：2012年09月28日，10:00 报告地点：JC-B302会议室 报告内容：Urban computing is emerging as a concept where every sensor, »