计算机软件新技术国家重点实验室(南京大学)

南京大学计算机科学与技术系

南京大学软件学院

南京大学人工智能学院

在大数据时代，数据分析是现代科学工作中必不可少的环节。现有的数据分析方法通常由数学家根据严格的数学规则提出。为了数学上的严谨，研究者们被迫在分析时做出理想化的假设，并且认为数据分析过程在一个线性（linear）且平稳（stationary）的模拟学习环境中进行。但在这样的环境下，我们所做的并非数据分析（data analysis），而是数据处理（data processing）。考虑数据生成的现实环境，学习环境通常既不是平稳的，也不是线性的。随着科学研究的日益发展，研究者们仅仅能够处理数据是不够的。例如，传统的傅立叶分析方法（Fourier analysis）所定义的频率可以被证明是缺乏数学和物理意义的。为了获得包含在数据中的“真相”，数据分析方法必须摆脱对环境的限制，让数据展示它们在非线性和不平稳的真实环境中的所有特性。为此，我们需要没有先验假设的数据分析新框架，它能够完全适应环境的变化。自适应数据分析方法就是一种解决方案，例如经验模式分解方法（Empirical Mode Decomposition ，EMD）以及相关的时频分析。此外，要解决乘法过程，我们必须在频谱中使用更多的维度来同时解决频率和幅度调制（FM和AM）变化的问题。综上所述，我们介绍一种新的全息谱表示形式：Holo-Hilbert Spectral Analysis (HHSA)，它能够适用于所有情况：加法和乘法，内模和互模，平稳和非平稳，线性和非线性互动。另外，我们也将介绍波湍流相互作用和在其他数据上的应用，以展示这种频谱表示方法的有效性。

报告人简介：

1967年毕业于美国约翰•霍普金斯大学流体力学和数学系，获得哲学博士学位。1975年开始在美国航空航天局（NASA）工作，先后担任戈达尔德航天中心首席海洋学家、戈达尔德航天中心数据分析中心主任等职。2006年于台湾创建自适应数据分析中心。2009年，被聘请为国家海洋局局长科学顾问，并创建国家海洋局数据分析与应用重点实验室。黄锷创建了希尔伯特-黄变换（HHT）的理论和方法，他所提出的理论和方法被国际学术界评价为“一场在非线性、非平稳时间序列分析方面的革命，是对应用200余年的傅里叶变换的一次思想和方法上的革新”，被美国NASA誉为“NASA历史上在应用数学方面最重要的发现之一”。基于他“在分析非线性随机信号方面的杰出贡献”，2000年黄锷博士当选为美国工程院院士，并先后获得NASA杰出太空法案奖、NASA杰出技术成就奖、美国科技研发百杰奖和美国总统级荣誉奖等多个奖项。鉴于“在检测和完善NASA航天飞机，防震建筑，桥梁，潜艇，医药和其他方面的先驱性工作”，2006年美国政府授予黄锷博士“美国服务贡献奖”。

时间：11月12日（星期二）10:00-11:00     地点：计算机科学技术楼111室