信息学院执行院长马毅新书出版

      由马毅老师及Rene Vidal、S. Shankar Sastry 教授历经三年编撰的《Generalized Principal Component Analysis》（中文名：广义主成分）日前由施普格林出版社出版。

     《Generalized Principal Component Analysis》 （简称GPCA）主要研究 Unsupervised Learning问题。当下流行的 DNN 也正是主要用来解决 Supervised Learning 问题的。GPCA知识结构纵向上贯穿了一百多年前的 PCA 和当今的压缩感知；横向上涵盖了代数几何、数理统计、高维数据处理、优化算法等内容；而应用部分更是涉及科学和工程的各个领域。

     本书内容讲解深入浅出，是数据科学研究者的入门必备基础书籍。更重要的是GPCA不仅仅是纯理论的编写，更是三位作者教学验证的结果：在编撰过程中，马毅教授与另两位教授分别在上海科技大学、UIUC、UC Berkeley和Johns Hopkins 等国内外大学针对本书内容开设过多次研究生课程，取得了良好的教学效果。

      《Generalized Principal Component Analysis》目前在亚马逊网站有售。