可可西里的专栏

1、“Extreme-PointSymmetric Mode Decomposition Method for Data Analysis”，lJin-LiangWang,    Zong-junLi ；Advances in Adaptive Data Analysis,5(3),2013.102、数学分析基础：数学技术：     -数值模拟：有成熟数学模型的问题是用

前期看这方面的论文，感觉业界主要使用方案：    1、基于Hadoop的云平台分析架构（Mapreduce+Hbase）；这方面主要在Mapreduce上做并行分布式处理；典型的论文有“2009VLDB-MAD Skills New Analysis Practices for Big Data”、“2011CIDR-Starfish A Self tuning System for Big

1、大家通常都讲大数据是4V：Volume体量大、Velocity增速快、Variety类型繁多、Value价值密度低；    2、但是大数据到底是什么样子的，没有看到严格的理论定义或描述；    3、有人说可以用Hilbert space去描述大数据（无边界、无穷维、边界不清等），海量的数据和海量的流量；    4、测度理论也需要用上了；勒贝格测度是比较适用的； 

在过去的一年中，我一直在数学的海洋中游荡，research进展不多，对于数学世界的阅历算是有了一些长进。为什么要深入数学的世界作为计算机的学生，我没有任何企图要成为一个数学家。我学习数学的目的，是要想爬上巨人的肩膀，希望站在更高的高度，能把我自己研究的东西看得更深广一些。说起来，我在刚来这个学校的时候，并没有预料到我将会有一个深入数学的旅程。我的导师最初希望我去做的题目，是对app

1、线性空间：设F是一个数域，X是一个非空集合，称X是数域F上的线性空间，是指在X中定义了两种运算（满足封闭性，即运算结果仍然在集合X中）：加法+（满足交换律、结合律）和标量乘法（满足结合律、分配律）。2、群：X按照加法+构成一个群，其零元用0表示。（X,+）或者（X,+,0）3、线性映射：如果从线性空间X到同一个数域上的另一个线性空间U的映射M:X->U是一个代数同态，即M(x+y)=M

1、感觉Hilbert space是一个很好地测量理论基础，通过对勒贝格空间的理解，可以相对完好地诠释测量的集合拟合理论，甚至可以达到物理的拟合；2、其中勒贝格空间（X，M，u）是一个建立在域代数基础上的，是测度理论的一个重要表达，通过对这种空间而生成的Hilbertspace，可以相对完美地诠释异构数据集的可测量性；3、勒贝格测度是赋予欧几里得空间的子集的一个长度、面积或