近日，信息學(xué)院教授、執(zhí)行院長(zhǎng)馬毅與美國(guó)約翰霍普金斯大學(xué)教授Rene Vidal、加州大學(xué)伯克利分校教授S. Shankar Sastry歷經(jīng)三年編撰的《Generalized Principal Component Analysis》（《廣義主成分分析》）由施普格林出版社出版。

《Generalized Principal Component Analysis》主要探討無(wú)監(jiān)督學(xué)習(xí)（Unsupervised Learning）問(wèn)題。該書(shū)知識(shí)結(jié)構(gòu)縱向上貫穿了一百多年前的主成分分析和當(dāng)今的壓縮感知，橫向上涵蓋了代數(shù)幾何、數(shù)理統(tǒng)計(jì)、高維數(shù)據(jù)處理、優(yōu)化算法等內(nèi)容，而應(yīng)用部分更是涉及科學(xué)和工程的各個(gè)領(lǐng)域。

該書(shū)內(nèi)容講解深入淺出，是數(shù)據(jù)科學(xué)研究者的入門(mén)必備教科書(shū)。值得指出的是，該書(shū)不僅僅是純理論的編寫(xiě)，還經(jīng)過(guò)了三位作者的教學(xué)驗(yàn)證。在編撰過(guò)程中，馬毅教授與另兩位教授分別在我校、伊利諾伊大學(xué)厄本那香檳分校、加州大學(xué)伯克利分校和約翰霍普金斯大學(xué)等國(guó)內(nèi)外大學(xué)針對(duì)本書(shū)內(nèi)容開(kāi)設(shè)過(guò)多次研究生課程，都取得了良好的教學(xué)效果。