趣味数学读书笔记

趣味数学读书笔记（精选7篇）

趣味数学读书笔记 篇1

--趣味数学读书笔记

最近进入趣味数学这座宝库，拿到不少好宝贝，拿出来和大家一起分享： 宝贝一：

趣味数学中有这么一个数学游戏：

两人相继轮流往长方形桌面上放同样大小的硬币。硬币一定要平放在桌面上，后放的硬币不能压在先放的硬币上。这样继续下去，最后桌面上只剩下一个位置时，谁放下最后一枚，谁就是胜利者。

从表面看上去，谁胜谁负，似乎全靠碰运气。其实，数学告诉我们取胜的规律是确实存在的。我们设想，如果这桌子小到只能放下一枚硬币，那么第一个放的当然会获胜。然后设想桌子变大，由于长方形是中心对称图形，先放者将第一枚硬币放在桌面的对称中心上，继而每次都把硬币放在后放者所放硬币位置的对称位置上。这样继续下去，桌面上只剩下一个位置时，必然轮到先放者放最后一枚硬币。

在这里，我们首先把一个复杂的问题退到最简单的情况，由此获得启发，进而找到解决问题的正确途径。华罗庚先生曾经指出：善于“退”，足够地“退”，退到最原始而不失去重要性的地方，是学好数学的一个诀窍，这正是趣味数学中我找到的宝贝。当然有的人会我问我，这个宝贝有用么？怎么用啊？别着急，往下看。趣味数学中还有这么一道题：

现在，请你用一条直线将一个矩形分成全等的两部分。当然，这样的直线我们能画出很多条，你能说出所有这些直线的特征吗？

这个问题也许你不能立刻回答，那你不妨先退到最简单的情况，先画出一些特殊的直线，例如矩形的对角线、矩形对边中点的连线，这些直线都能把矩形分成全等的两部分。如果我们把这些直线画在同一图形中(如图1)，你就会发现，它们都经过矩形的对称中心O，这时你会猜想，经过矩形对称中心O的直线l，一定能将矩形分成全等的两部分(如图2)。事实上，由于矩形是中心对称图形，将图2中的四边形EBCF绕矩形的对称中心O旋转180o，就能够和四边形FDAE完全重合，也就是说这两个四边形全等。

哈哈，看到了，这就是趣味数学教给我的思维，真是数学改变思维啊。宝贝二：

有这么一道趣味数学题，请用6根长度一样的火柴棒，拼成4个大小相同的且边长即为火柴棒长度的正三角形。

尽管题目不难，但能够比较顺利地做出来的寥寥无几！

亲爱的读者，你知道为什么吗？

其实这也是趣味数学教给我的,此题揭示出人的一大特点：人是很不容易突破习惯性思维的。

大家都知道,地球是圆的，是围绕着太阳转的；微观粒子运动是测不准的；时空是相对的，是多维（三维以上）组成的；宇宙是由大爆炸产生的„„等等、等等，现在想想，这些发现者真是无比伟大，他们的抽象思维能力及突破性思维能力只有上帝能与之相比！而他们又都把这些极其深奥的科学道理阐述得深入浅出，简单明了。比如，著名的爱因斯坦质能公式E=MC2，多么简单，多么美丽！

其实有时候仔细想想,生活之道似乎也有相仿之处。比如，生活理财,看上去很简单，听起来很好懂，然而真正搞明白却是那么的不容易！很多人或许至死都不能完全明白。原因何在？就是因为受制于习惯性思维。

习惯性思维是怎样妨碍人对财富的正确认知的呢？

习惯性思维源于人类直觉思维的本能，直觉思维是人对事物的感性的直觉反应，正因为这一固有的本性，使得人们面对财富的时候，会不由自主地产生恐惧、贪婪、乐观、悲观，等等情绪，这些都是无意识的直觉反映，是人的一种本性使然。虽然直觉思维具有思索简捷、反应快速、富于联想等优越性，但也不可避免地会带来思维错觉，尤其是在理财中。

趣味数学教给我要善于突破习惯性思维,生活中那么多习惯思维要我们去突破,你这宝贝能不珍贵吗?

宝贝三:

趣味数学中还有这么一道题:

有位渔夫，头戴一顶大草帽，坐在划艇上在一条河中钓鱼。河水的流动速度是每小时3英里，他的划艇以同样的速度顺流而下。“我得向上游划行几英里，”他自言自语道，“这里的鱼儿不愿上钩！”

正当他开始向上游划行的时候，一阵风把他的草帽吹落到船旁的水中。但是，我们这位渔夫并没有注意到他的草帽丢了，仍然向上游划行。直到他划行到船与草帽相距5英里的时候，他才发觉这一点。于是他立即掉转船头，向下游划去，终于追上了他那顶在水中漂流的草帽。

在静水中，渔夫划行的速度总是每小时5英里。在他向上游或下游划行时，一直保持这个速度不变。当然，这并不是他相对于河岸的速度。例如，当他以每小时5英里的速度向上游划行时，河水将以每小时3英里的速度把他向下游拖去，因此，他相对于河岸的速度仅是每小时2英里；当他向下游划行时，他的划行速度与河水的流动速度将共同作用，使得他相对于河岸的速度为每小时8英里。

如果渔夫是在下午2时丢失草帽的，那么他找回草帽是在什么时候？

聪明的你,猜猜答案是什么样的啊?

由于河水的流动速度对划艇和草帽产生同样的影响，所以在求解这道趣题的时候可以对河水的流动速度完全不予考虑。虽然是河水在流动而河岸保持不动，但是我们可以设想是河水完全静止而河岸在移动。就我们所关心的划艇与草帽来说，这种设想和上述情况毫无无差别。

既然渔夫离开草帽后划行了5英里，那么，他当然是又向回划行了5英里，回到草帽那儿。因此，相对于河水来说，他总共划行了10英里。渔夫相对于河水的划行速度为每小时5英里，所以他一定是总共花了2小时划完这10英里。于是，他在下午4时找回了他那顶落水的草帽。

这种情况同计算地球表面上物体的速度和距离的情况相类似。地球虽然旋转着穿越太空，但是这种运动对它表面上的一切物体产生同样的效应，因此对于绝大多数速度和距离的问题，地球的这种运动可以完全不予考虑．

瞧见了吧,河水的流动速度不考虑是关键,你没读过趣味数学能行吗?

这就是趣味数学教给我们的:要学会排除.生活中也是一样，要学会排除杂念，才能做好本应该做好的事情。

看了这么多天趣味数学，我发现确实数学很能改变人的思维，那我们平时应该如何去做呢？我想我们应加强以下几方面的训练：

1、思维的独创性：独创性即思维活动的创造性。在实践中，除善于发现问题、思考问题外，更重要的是要创造性地解决问题。人类的发展，科学的发展，要有所发明，有所发现，有所创新，都离不开思维的独创性品质。独创性源于主体对知识经验或思维材料高度概括后集中而系统的迁移，进行新颖的组合分析，找出新异的层次和交结点。概括性越高，知识系统性越强，伸缩性越大，迁移性越灵活，注意力越集中，则独创性就越突出。

2、思维的灵活性：灵活性是指思维活动的灵活程度。它的特点包括：一是思维起点灵活，即从不同角度、方向、方面，能用多种方法来解决问题；二是思维过程灵活，从分析到综合，从综合到分析，全面而灵活地作“综合的分析”；三是概括—迁移能力强，运用规律的自觉性高；四是善于组合分析，伸缩性大；五是思维的结果往往是多种合理而灵活的结论，不仅仅有量的区别，而且有质的区别。灵活性反映了智力的“迁移”，如我们平时说的，“举一反三”、“运用自如”等。灵活性强的人，智力方向灵活，善于从不同的角度与方面起步思考问题，能较全面地分析、思考问题，解决问题。

3、思维的深刻性：深刻性是指思维活动的抽象程度和逻辑水平，涉及思维活动的广度、深度和难度。人类的思维主要是言语思维，是抽象理性的认识。在感性材料的基础上，去粗取精、去伪存真，由此及彼、由表及里，进而抓住事物的本质与内在联系，认识事物的规律性。个体在这个过程中，表现出深刻性的差异。思维的深刻性集中表现为在智力活动中深入思考问题，善于概括归类，逻辑抽象性强，善于抓住事物的本质和规律，开展系统的理解活动，善于预见事物的发展进程。超常智力的人抽象概括能力高，低常智力的人往往只是停留在直观水平上。

4、思维的批判性：批判性是思维活动中独立发现和批判的程度。是循规蹈矩、人云亦云，还是独立思考、善于发问，这是思维过程中一个很重要的品质。思维的批判性品质，来自于对思维活动各个环节、各个方面进行调整、校正的自我意识。它具有分析性、策略性、全面性、独立性和正确性等五个特点。正是有了批判性，人类才能够对思维本身加以自我认识，也就是人类不仅能够认识客体，而且也能够认识主体，并且在改造客观世界的过程中改造主观世界。

《趣味植物百科》读书笔记 篇2

植物，它虽然不像动物是动态的，它是静态的，但是它们也是有生命的，我们不能因为他们是那么的渺小，那么的不引人注意而忽略它们。《趣味植物百科》这本书不仅写了65种植物的特性、特征，还写了一些关于植物的小故事。

世界之大，无奇不有，植物世界也是这样的。有些植物为了自卫，从而将叶子、花朵或果实都变成自己的武器，比如咬人草，它把自己的叶子转化成武器，只要有人碰到它们这些小家伙，它们就会狠狠地给那人一口;有些植物为了生存，不得不把自己身上的枝叶变成捕猎食物的工具，比如捕蝇草，它们生长在贫瘠的地方，为了给自身补充营养，把枝叶转变成了一个会分泌一种香甜物质的“夹子”，从而吸引一些昆虫来自己这儿“用餐”，乘其不注意，猛地夹上“夹子”，让自己美美的饱餐一顿;也有一些植物，给人类提供信息，比如气象树，只要天气稍有变化，就会改变叶子的颜色……

“天以万物养人”。植物给人类制造氧气，用它的根系保护水土，调节气候，防止水土流失、土地沙漠化、泥石流等自然灾害的发生;它们为人类提供粮食，让人类吃的饱饱的;还用自己鲜艳的花朵供人观赏，给人们精神上的满足……

可是，人类有是怎样回报他们的呢?贪婪人类为了赚钱，为了造房子，为了一己私欲，开始大量砍伐森林，使造地变成荒原，使草场、森林、湖泊大面积减少，职务的生存空间日益恶化，许多植物濒临灭绝，肆虐的洪水、沙尘暴接踵而来……

这是植物想要的结果吗?答案是否定的。

数学文化读书笔记 篇3

姓名： 学校： 院系： 专业： 学号： 指导老师：

战争中的数学

XX

XXXX大学(邮编)

摘要：人在战争数学中只是一个变量，而且是一个最关键最重要的关键变量，但是这个变量有时反而会起到反作用！比如间谍和国民整体投降！人这个变量能否起到积极作用，在于对人精神和物质的控制和引导！如果控制和引导失败，人这个变量也就失去了积极作用，反而会令战争有利于敌人！

Abstract:People in war in mathematics is a variable is a key, and the most important key variable, but this variable sometimes but counter-productive!Such as spies and national overall surrender!People can play a positive role in the variable, approaching the person spiritual and material control and guide!If control and guide failure, people this variable will lose an active role, but will make war to the enemy!

关键词：数字化战争，信息战争，逻辑模拟化

1．前言

战争在人类历史上是一个永恒的话题，他的最初根源在于三角关系，由于三角各点的分布存在不确定性，从而产生了战争结果的多样性，当只有一个点时，战争无法发生，当有两个点时，战争还不是战争，只有当第三个点出现时，战争才得以出现，因为战争是残酷的，所以第三个点出现才导致残酷的发生，所以就有了战争，胜利者可以自由移动，而失败者只能呆在一个点上永远孤单。多点关系的出现导致战争，奇数时产生战争的几率远比偶数时要大，所以在我们遇到奇数时必然高度警觉，因为战争随时可能发生。但三点关系仅仅是平面关系，还无法达到立体关系，当第四个点出现时，战争就开始从平面战争转向立体战争，战争史上数学高度发达的国家几乎全都是胜利者！从这个论点上我们可以推翻那些所谓的正义必然战胜邪恶的观点，也可以批判那些自以为是的观点，只要从数学观点上就可以轻易的判断一个国家的先进程度和胜利的必然性。数学研究的深度以及普及理解程度就可以判断一个国家将来的命运!2．战争中的数学原理

2.1战争模拟化

第一次世界大战前夕，多才多艺的英国人兰切斯特用数学开创了半经验的作战模拟方法，建立了经典的兰切斯特方程。兰切斯特用平方律定量地解释了特拉法尔加海战中纳尔逊各个击破的成功诀窍（人称Nelson Touch），恩格尔在1954年用线性律精确地复现了硫磺岛中美军伤亡情况。经典兰切斯特方程对士气、地形、机动、增援和撤退等没有考虑，但对战斗的一般规律仍有指导意义。

兰切斯特把战斗简化为两种基本情况：远距离交火杀伤和近距离集中火力杀伤。远距离交火时，一方损失率既和对方兵力成正比，也和己方兵力成正比。换句话说，敌人越多，自己损失越大；另一方面，自己人越多，目标越大，损失也越大。这个情况以微分方程表示即为 dy/dt=-axy

dx/dt=-bxy

其中x和y分别为红军和蓝军的战斗单位数量，a和b分别为红军和蓝军的平均单位战斗力，因此双方实力相等的条件为

ax=by

即任一方的实力和本身战斗单位的数量成线性关系，也称兰切斯特线性律。这就是说，如果蓝军平均单位战斗力（包括武器、训练等因素）是红军四倍的话，100 名蓝军和400名红军的战斗力相同，100名蓝军和400名红军交战的结果是同归于尽。集中优势兵力只是拼消耗，并不占便宜。

但近距离集中火力杀伤时，一方损失率仅和对方战斗单位数量成正比，而和己方战斗单位数量无关。换句话说，敌人越多，自己损失依然越大；但短兵相接，自己方面已经无所谓目标大小的问题。于是微分方程变为：

dy/dt=-ax

dx/dt=-by

双方实力相等的条件变为

ax^2=by^2

即任一方实力和本身战斗单位数量的平方成正比，也称兰切斯特平方律。仍假定蓝军平均单位战斗力是红军的四倍，100名蓝军和400名红军近战后，当蓝军 100人全军覆没时，红军仍有√(〖400〗^2-4×〖100〗^2)=346人留下，即损失54人，实际损失比蓝军还小。这就是集中兵力打歼灭战和避免添油战术的数学依据。

考虑另一个情况：200名蓝军和400名红军近战，双方实力相等(√(〖400〗^2-4×〖200〗^2)=0)。如果红军通过战术动作或计策使蓝军分成各为100人但互不支援的两半，则红军可以54人的代价先歼灭蓝军的第一个100人，再用剩余的力量以 64人的代价歼灭蓝军的第二个100人，红军总代价为118人，总战果为200人。这就是“各个击破”原则的数学解释，也是兵败如山倒的数学解释，因为兵败的典型特征是各自为战，首尾不顾，即使不考虑战斗意志瓦解的问题，也在客观上强化了被各个击破的机会。

再考虑一个情况。仍然考虑蓝军100人，红军400人，双方战斗力差距为4：1的情况，但双方相距很远。如果红军付出一半的代价推进到近距离，按4:1的线性律，这时红军还剩200人，蓝军50人。但接下来红军就可以发挥近战优势，以27人的代价消灭蓝军的第二个50人。这就是勇猛突破、近战歼敌以克服敌人远射火力优势的数学解释。

2.2科技战争

199＝年的海湾战争是一场现代高科技战争，其核心技术竟然也是数学技术。这一事实引 起人们不小的惊讶。美国总结海湾战争经验得出结论是：“未来的战场是数字化的战争”。干扰和失真是电磁波通信的一大难题。早在六十年代太空开发竞争的初期，美国施行。„阿波罗登登月计划时，就已经意识到：由于太空中过强的干扰，无论依靠怎样精密的电子硬件设备，也 无法收到任何有用的信息，更不用说操纵控制了，采用了信息数字化、纠错编码、数字滤波等一整套数学通讯技术和数学控制技术之后，送人登月的计划才得以顺利完成，二十年后，在海湾战争 中，多国部队方面使用这一套技术把对方干扰得既聋又瞎，却能让自己方面的信息畅通无阻。采 用精密酌数学技术，可以在短短数十秒的时间内准确拦截对方发射的导弹，又可以引导对方发射 导弹准确击中对方的目标。也正是这一套信息数字化的数学技术，在开发高清晰度电视的竞争中 取得压倒性的胜利。开发一种数学技术可以在。

此众多方面施展效用，足见数学的广泛适用性。

2.3战争图像化

在今天，战争的焦点转向反恐，至少对美英来说如此。在伊拉克和阿富汗，最使盟军头疼的是防不胜防的土地雷，这种IED（Improvised Explosive Device的缩写，意为自制爆炸装置）不仅造成很大的伤亡，还给盟军官兵带来巨大的心理阴影。在所有巡逻路经上全时监视是不可能的，但时不时来一遍空中侦察是完全可以做到的，在巡逻队到达前空中侦察更是不在话下。但空中侦察如何探测地下的IED呢？空中侦察可以形成高分辨率图像，包括多光谱图像。有经验的老兵可以用目视观察，仔细对比以前同一地点的图片，发现蛛丝马迹，找到IED的迹象。但人工判别工作连太大，时间太长，数学再次出马，这就是图像识别和比较。

最简单化的图像比较就是把两张图放到一起比较。在数码光学时代，数码相机把一幅图像数字化，也就是说，一幅画面被分割成几百万甚至更多的细小方格，每一方格是一个象素，每一个象素的亮度范围用0-255的数值范围表示，0为全黑，255为全白。当然全黑到全白也可以用更大的数值范围表示，那样可以反映更细腻的细节。市面上通常的数码相机是8位通道，就是0-255的范围；更高级的数码单反有的已经采用16位通道，那就是0-65535了。单一通道只能表示亮度，图像就是黑白的，如果在单纯黑白通道上加红、蓝、绿滤色镜，就形成红、蓝、绿通道。用相邻的三个像素分别担任红、蓝、绿三个通道，分别记录亮度，然后再把三个通道的信息叠加起来，就可以还原彩色图像。这就是数码相机的基本原理。由于每一个象素的信息都是数字，计算机就可以对两幅数码图像作逐格比较。最简单的做法就是把图像A和图像B相减，相同部分数值相等，结果为零；不同部分数值有差值，结果数值取绝对值消除负数的问题，就可以在图像上还原出“问题区域”。进一步判别就可以有的放矢，容易找出IED；或者省点事，指令巡逻队直接绕过去了事。

当然，实际上图像比较没有那么简单，前后两幅图像不大可能在绝对相同的角度、光线、距离下拍摄，简单比较容易造成太多的误判。这就牵涉到图像识别。图像识别通过对数字化的图像的分析，像筛子淘沙一样，用分类算法把数据分类，抓出特征性的数据。在图像识别的基础上，前后图像只比较特征性的数据，这样就可以避免为琐碎因素所误导。除了对可见光图像比较，还可以用多光谱图像捕捉红外、紫外特征，区分土壤温度、植被变化，进一步增加探测的几率和精度。

由于巡逻路经很长，空中侦察下载的图像信息量巨大，图像处理本身需要很强的计算能力，再厉害的普通个人电脑也跟不上这样的数据处理要求。另一方面，图像数据处理需要的是大量的向量处理能力，也就是说，运算量是天文数字，但运算本身并不复杂，所以基于电脑图像卡技术的GPU反而比通用的CPU更加适合。美国陆军已经向阿富汗运送了大批具有特别加强数据处理能力的微型超级计算机，这些是具有向量处理插件的顶级普通个人电脑，专门用于图像数据处理，为巡逻队保驾护航。这样的技术在常规战争中也可以应用，用于判断战场态势、敌军动向等。

图像识别是模式识别的一个分支，另一个分支是语音识别，这在战场上也很有用。每一支巡逻队、野战分队作战回来，都有大量有用信息上报。但要疲惫的官兵再写详尽的书面报告不现实，口头报告加语音识别，可以迅速把前线信息数字化，以备后用。语音识别也用到大量的数学。

3.数学理论战争

在朝鲜战争中，刚愎自用的麦克阿瑟在仁川登陆得手后，轻敌冒进，被志愿军打了个鼻青脸肿。李奇微审时度势，准确地找到了志愿军“星期攻势”的规律，并制定反制战术，最终导致志愿军在第五次战役中的失利。志愿军“星期攻势”的规律看似不难找到，主要变量就是一个时间，李奇微找到了，麦克阿瑟没有，这不能完全怪罪于麦克阿瑟的无能。事后诸葛亮是容易做的，但在事前要找出因果关系并不容易，这里面的关键就是在浩如烟海的数据中，找到因与果之间的配对。在科研和工业实践里，这样的问题也很多，人们开发了很多数学方法，有些很直观，有些就需要一点写写算算。

最简单的做法是把结果和可能的原因的数据绘制成曲线，放在同一个框架下比较。如果是时间、温度、降雨量，或者敌人攻势的时机、长度、人数，这些本来就是数值化的数据，绘制曲线比较相对容易。如果是描述事件的离散数据，可以首先量化，比如敌军出现地点作为一个变量，张庄算作1，李庄算作2，王庄算作3；指挥官作为一个变量，胡传魁指挥算作1，刁德一指挥算作2；装备水平算作一个变量，只有步枪手榴弹算作1，带机枪算作2，带火炮算作3；诸如此类。量化之后，就可以和数值化的数据一样处理。

如果这些曲线同进共退，那他们之间就是有关联的。但这是简单的关联，复杂的关联光这样比较还不一定能够抓出来，表面上的步调不一致不一定就是没有关联，关联或许比较弱，或许需要通过几个变量的合成作用才能体现出来。这个问题在变量数量很大的时候尤其突出。由于事先无法确定到底哪些变量和结果有关联，在数据分析的时候容易“宁可错杀三千，不可放过一个”。但一般目视比较七、八条曲线还可以，几

十、几百条曲线就不大容易了，需要有别的办法。

数理统计上有主元分析方法（principal component analysis，简称PCA），根据数据之间的相关程度把很多相关的变量归拢到少数“主元”，这样就容易研究问题了。比如说，要预报上海的天气，可以选取人民广场、徐家汇、曹家渡、五角场、陆家嘴、奉贤、松江、嘉定、崇明甚至启动、昆山、海盐、枫泾等地的温度、湿度、风向、风速、日照、云速等等数据。这些数据互相邻近，有所重叠是难免的，要是把这些数据统统拿进来一锅煮分析，容易把水搅浑。要是用平均温度、平均湿度等，问题就明晰化了。更有效的做法是根据远近给予不同测量点的数据不同的“发言权”，数学上叫加权，那就更加科学。这就是主元分析的简单化的描述。在主元之间再绘制曲线比较，就比较容易了。

这样基于计算的方法还是有不够直观的问题，但常用的直角坐标图形有坐标维数的问题，二维是平面，三维是立体，四维已经没法画出来，几

十、上百维就更没辙了。然而采用平行坐标的话，这个问题迎刃而解。平行坐标把代表每一个变量的坐标轴并排排开，在直角坐标里的一个各轴投影汇聚的点，在平行坐标里就是连接各轴的一条折线。从这个意义上来说，两者是完全等价的，差别在于高维数的平行坐标可以画出来，可以看得到，而高维数的直角坐标就无法图示了。但直角坐标下的时间序列数据可以画图直接比较，平行坐标下的时间序列数据粗看就是一大坨，很难看出内在关联。然而，如果对关键数据进行分类和排序（sort），就可以看出端倪。如果把敌军出现地点、指挥官、装备、时间、天气、季节、赶集等数据标绘出来，或许可以看到，敌军在王庄出现时，指挥官总是胡传魁；装备不一定，什么都可能；时间总在晚上；天气不一定；季节不一定；总在赶集的时候；那可以推测一个规律，敌军对王庄的兴趣在于赶集后的休息人群，乘人不备抢劫，而且胡传魁亲自出马，很重视。发现了这样的规律，就可以有的放矢地制定种种反制战术，可以打埋伏，可以掏老窝，可以预先疏散群众，可干的事情就多了。

数据分析的时候还要考虑动态影响。从蒸锅里把烫碗拿出来，如果动作快，就不会烫手；但要是捧着烫碗几分钟，肯定就把手给烫熟了。这就是动态响应的概念，感觉到的温度不仅和碗的温度有关，还和接触时间有关。在战场上，部队出动到打响有一定的时间，行军要调头也需要一定的时间，这就是动态影响。更复杂的动态响应还可以有暂时的反向响应。煮饺子的时候，水开了，沸腾的水会迅速涨上来，这时候浇一瓢冷水下去，就会把水位压下去，但接着猛灌水，水位最终是会涨上来的。对丧心病狂之敌的火力压制可能有类似的反应，敌军先是更加嚣张，但最终还是要被压下去的。如果对这样的暂时反向响应没有准备，数据分析就会出偏差。

确定因果关系后，可以用各种曲线拟合方法建立定量的数学模型，但战场上确立定性的因果关系经常已经足够。数据挖掘（data mining）是数据分析的进一步，也就是在大量的数据里发掘有用的信息，就像在矿山里挖金一样。战场上人的因素使得数据挖掘高度复杂化，有经验的指挥官会避免被敌人找到规律，但人都是有思维和行为惯性的，即使是掩盖自己踪迹的做法，也是有一定规律可循的。只要有足够的时间，积累足够多的数据，就有可能找到规律。情报机构用数据分析和数据挖掘寻找人和事件的关联并得出有用结论已经有很长历史了，CIA在30年前就把情报库数据化了，五角大楼在20年前也开始了类似的工作，但应用到野战部队，这还是第二次海湾战争之后的事情。萨达姆被俘，基地组织二号人物扎卡维被击毙，上百名基地组织大小头目被俘或被击毙，这些都是根据数据挖掘发现的线索。在更低的战术层面上，美军通过对已知IED的分析，建立了一套预测IED时间、地点、强度的方法，用于指导巡逻队设伏或者绕过威胁，取得相当的成功。美军声称数据挖掘已经帮助击毙3000多正在埋设IED的恐怖分子，抓获几百个，并破除或避免了几千个IED。在前线缴获的敌军笔记本电脑或者文件直接输入数据挖掘系统，很快产生顺藤摸瓜的新线索，使成功的雪球继续滚动。

4.结束语

数学在战争中的应用还不止上面的这些。数学对战争有用，这不等于军人都应该成为数学家。但了解其中的道理，破除神秘感，发掘新应用，这还是很重要的。或许在不久的将来，分队指挥官的军用手提电脑将不仅用作一般意义上的通信指挥终端和电子文件系统，还是情报分析和决策的工具。

参考文献：

[1]仲田纪夫着.吴锵煌译-《战争与数学》-稻田出版

[2] 渊田美津雄 奥宫正武《中途岛海战》商务印书馆 1979年版

[3] 《决战海洋-帝国是怎样炼成的》 宋宜昌 上海科学普及出版社

[4] 《基辅会战》 [德] 维尔纳·豪普特曼 解放军出版社 1984年版

[5] 《库尔斯克会战》 г.A.科尔图诺夫 Б.Г.索洛维约夫 军事译文出版社 1984年版

数学读书笔记 篇4

————————读《数学思维教育论》摘要（郭思乐编著）

1、数学教育是中小学的一门基础的学科教育，如同其他的学科一样，其教育意义并不局限于本学科的只是掌握，更反映在它有效地促进人的素质的发展，是人的文化修养的最深刻、最有效的部分之一。

2、经济发达国家的数学教育改革方向：学校数学的焦点从双重任务---对

大多数人教最少的数学，而把高等数学教给少数人-----过渡到单一中心，把数学的最重要的公共核心教给所有的学生。从基于传递权威性的模式过渡到以启发学习为特征的，以学生为中心的实践活动。从强调为后续内容做准备过渡到着重强调学生当前及未来所需要的东西。从原来强调一张纸、一支笔计算到全面使用计算器和计算机。

3、中小学数学中蕴藏着促进人未来发展的因素，这就是人的数学素质，其

核心是人的思维品质。

4、数学教师教学经历3个层次：展现解法，展现思路，展现思路的寻找过

程。

5、数学教育的意义在于用学科自身的品质陶冶人、启迪人、充实人，促使

人的素质的全面发展。

6、数学教育是一种文化，使人得到数学方面的修养，更好的理解，领略现

代社会的文明；它是一种方法论，使人善于处世和做事，能提高在现代化建设中的工作效率；它是一种精神和态度，使人实事求是，锲而不舍，坚持不懈的追求；它是“思维的体操”，使人思维敏锐，表达清楚。

7、数学的重要特性------抽象性、严密性、系统性。

8、数学思维教育的意义在于培养人的数感、数学观念和数学思想。数学教

育是为了扩展人们头脑中的数学空间。

9、数学相关能力------数学化、公理化、形式化。

10、努力使外界现象数学化，注意现象的数学方面，到处注意空间和数量

关系以及函数依存关系。

11、数学，培养学习的意志，培养人的概括能力，培养人本质地看问题的意识，培养人的抽象意识，培养人的良好思维习惯，形成良好的思维策略，增强人的反应能力，改善人的思维器官。

12、数学教育目的：（1）、通过“数学常识”和“数学思维能力”的组合来

培养数学智力；（2）、培养有数学素养的人。“有数学素养”：懂得数学价值，对自己的数学能力有信心，有解决数学课题的能力，学会数学交流，学会数学的思想方法。（3）、通过练习题学习数学技能--------适合于学习事实和技能。通过解决具有某些特点的情况，学习解答问题的一般方法，而这些特点是用来定义一个实实在在的问题的----适合于学习如何发现和探究的技能，学习数学的再发现和学会如何学习。

13、数学学习的目的，从掌握“数学事实和技能”转变为掌握“解决问题的一般方法”即“数学式地思考”，是数学教育观念的重大更新。

14、理解数学的四个层面：（1）、形式层面的理解。逻辑思维训练，应当是

数学学习中的基本训练。（2）、发现层面的理解；（3）、直观-具体层面的理解； 1

（4）、直觉层面的理解。

15、一般认为数学是按严密的逻辑构成的科学，即使与逻辑不尽相同，却

也大致一样。但是实际上，数学与逻辑没有什么关系。数学当然应该遵循逻辑，但逻辑在数学中的作用就像文法在文学中的作用那样，书写合乎文法的文章与照着文法去写小说完全是两码事；同样，进行正确的逻辑推理与堆砌逻辑去构成数学理论是性质完全不同的问题。数学在本质上与逻辑不同。

16、在数学中绝不要把逻辑的车放到启发式的马前面。

17、我们只有了解结论是怎样得来的，才能真正弄懂结论。重现或亲历发

现过程，是数学家学习、研究数学的高招。最好的学习方法是动手-----提问，解决问题。最好的教学方法是让学生提问，解决问题，不要只传授知识------要鼓励行动。

18、数学是抽象的，理解数学的一个层面便是，赋予数学直观和具体的意

义。

19、过份强调数学的形式结构是个错误。

20、抽象只有在坚实的经验基础上才有意义，此外，引进抽象观念后，应

该用具体问题来显示她们的用处。

21、现代数学好的方向是它强调几个基本的概念，诸如，对称、连续和线

性。

22、几何直观仍然是领悟数学的最有效的渠道。几何直观就是对于抽象的东西，能够在头脑中像画画一样描绘出来并加以思考。

23、数学教学与人的素质发展相结合，是数学教育的最主要的宗旨。

24、几何图形是一种数学符合，是“直观空间的帮助记忆的符号”，是“图

像化的公式”。

25、数学真正要办的事情是解决具体的问题。理解一个理论的最好的办法

是找到一个具体问题，然后研究该理论的一个样本实例，一个能说明一切的典型例子。

26、针对一个数学理论，举出典型实例、反例、特例（即特殊情形）等，都市具体地理解这种数学理论的方法。

27、逻辑用于证明，直觉用于发明。

28、在理解数学的过程中，领悟推理链中所隐含的整体性、次序性、和谐性，达到对推理链的整体把握，乃至能够预见证明，这种领悟叫做直觉。

29、记忆在数学中是重要的，但不必去记住数学事实。

30、数学直觉意味着不严格；意味着可见；意味着缺乏证明时的似真性和可信性；意味着不完全；意味着依赖物理模型或某些主要例子；意味着与详细或分析相对立的笼统或综合。

31、理解重于证明。

32、数学思维教育要求学生通过自己的思维来学习。

33、目前教育的缺陷：有的采取注入式和题海战术，把学习数学仅仅看成是感知和再认，削弱或取消了它的中心环节---思维。有的吧数学思维活动仅仅看作形式逻辑思维，忽视了从整体看问题的辨证的、发展的思维活动。

34、如果问题给学生提供了合适的思维情境，就会极大地调动学生思维积极性。

35、在明白与不明白之间，还有广阔的、中间的、灰色的区域。

36、学生通过思维由不知到知的实际过程比我们设想的要负责得多。学生的思维过程不是一次性完成的，而是充满运动、变化、相对等辨证性质的。

37、教师往往希望学生的认识一开始就定格在“正确”“合理”“严密”“简练”的格局上，忽略了他们有一个不知、少知到多知的辨证的心理过程。

38、数学教育中运用“动”来学习“静”，使静态的定理、公式、法则具有动的生命，能在学生的思维中活跃起来。

39、数学史发展的三个阶段：

一、在产生算术和几何的第一阶段，物体的具体的质被舍掉了；

二、在引向算术符号的第二阶段，具体的数与具体的量被舍去了；

三、最后向现代数学的第三个阶段进行，不仅仅是对象的性格，而且它们之间的依存关系也被略去了。

40、整体性思维，是指注重对对象的整体把握的思维倾向---------几何型思维。

分列式思维，指注重把问题分解成条列状的一系列子问题，然后一步一步地加以解决的思维倾向------代数型思维。

41、在实际教学中往往忽视整体性的思维风格，一方面，人们意识不到整体性思维在人的数学思维中是不可缺少的；另一方面，成人往往很难追忆自己当年思维产生和发展的过程，于是认为儿童学习都是采取分列式思维的，这表现在成人为孩子写的教科书以及练习册，都是采取小步子、一步一步前进的西来思维方式。

42、在较高层次的形象思维中，我们对形式和逻辑，如用语的准确、符号的采用、推理的根据等等作出了一定的让步。也可以说，它以“量的模糊”和“推理形式的模糊”去换取“质”的鲜明和生动。

43、数学形象思维的培养是数学教学改革的重要一环。

44、在实际思维中，当抽象思维不能用算法方式继续下去时，就必须借助

于形象，找到抽象的方向，发现抽象思维的（解决问题的）新的契机。抽象思维的结果也可以用形象的方式表现出来，这时便出现了所谓“深入浅出”的表达。深入浅出，是由形象到抽象，又由抽象到形象的过程。

45、为了使学生富有创造精神，必须注重由求同思维转向求异思维的培养。

46、我们常常过份强调学生演绎思维，而忽视指导学生进行合情推理。

47、合情推理包括归纳推理和类比推理。

48、合情推理是一种可能性推理，是根据人们的经验、知识、直观与感觉

得到一种可能性结论的推理。

49、实践表明，在大量毕业生中，学科的常识性和工具性功能，远没有发

挥出来，其原因不在于知识无用，而在于缺少引领知识的数学观念。把知识、形式训练和知识的社会意义两者统一起来，这就需要进行数学观念教育。

50、传统的学科教学由于受考试的影响，一般都逐步地向教学程序的末梢

转移。所谓“末梢”，是指以非基本的技巧和技法作为主干的那些题目。因而，它对一个人形成数学观念的作用甚微，对激发人最积极的思维的影响是不大的。

51、创造性思维一经传授就失去了创造意义。

52、思维主要是靠启迪，而不是主要靠传授。越是传授得越一清二楚，学习者越不需要思维。即使传授的东西是范例，也仅增加了知识性的储存，而不一定能使人在新情境下索解。

53、教师启迪思维的工作面：(1)、激起学习兴趣，引发动机，创设成功

教育的氛围；(2)、创设问题情境，增强解决问题的内驱力；(3)、转化新问题。

54、衡量数学教学好坏的标准之一，就是看教学能否有效地扩大人的现实数学空间。数学空间不仅仅依靠一些即得的知识而构成，更重要的是借助于所学知识的生长点和开放面，以及数学思维过程，获得一种与数学相关的能力，从而使数学空间具有某种开放性，其中包括：数学化-----人们用数学方法观察现实世界，分析研究各种数学现象，并对现实世界加以整理组织的过程。我们学习数学，最重要的是学习数学化。同样地，我们学习公理的知识，还不如说是学习“公理化”，与其说是学习形式体系，还不如说是学习“形式化”。

55、“培养数学智力”的提法，指明了数学智力的构成与培养途径是“数学常识”和“数学思维能力”的组合。

56、学生在数学教学结束后，他学过的数学知识必定会越来越多地被遗忘。但是，如果教学得法，学生在数学教学的过程中对所学内容的理解达到了应当达到的层面，那么，他就会几乎是地在所学过的全部内容中提炼出最基本、最本质、最重要、通常也是最简单的极少一部分，永远地记住它们，达到想忘都忘不掉的程度。这极少一部分就是“数学常识“。因此，学生所得数学知识要经历一个”少—多---少“的过程。

57、以应试为目的的教育，往往不可能使学生达到应当达到的理解层面，因而在所学的数学完成了应试的使命后，学生很快便将他们忘却了。

58、长期以来，由于应试教育的影响，数学教育仅侧重于学习现成的知识结论、技巧和技法，而忽视了学科的基本精神、数学的基本态度和基本方法的培养和训练，其中特别被忽视的一个方面，就是数学观念的教育。数学观念，指的是人们对某一数学对象或数学过程的本原和本体的见解和意识，包括对该数学知识而言，人类为什么想、怎样想和想出了什么这样一些问题。

59、清人袁枚在《随园诗话》中指出：“学如弓弩，才如箭镞，识以领之，放能中鹄“。才---智能，学---知识，识---见地、见识。知识是解决问题的基础，才智是知识转化为解决问题的工具，而见识见地，则对知识和能力的应用方向、方法、方式作引领。假如没有后者，知识和能力就找不到它的用处。

60、在数学教学中进行思维教育的主攻方向是：

一、如何培养学生的创造性思维；

二、如何把传授知识和培养思维能力统一起来。

61、对于学生来说，只要把要学的知识作为待创造的结果，就能把学习知识和获得创造能力统一起来。

62、我们应该有意加强以下几种教育：

一、说理意识教育。让学生知道任何规定、公式都有一定的根据和道理。

二、刻划客观世界的和谐的意识的教育。

三、形式不变原理的教育。

63、数学教育的失误，常常在于把探究部分轻易地转化为复现部分，使之失去思维教育的意义。

64、激发学习兴趣，引发动机，是教师在数学教育中必须自始至终注意的问题，在教学中引导学生：

1、爱好数学，尊重数学的智慧活动过程。数学作为大自然的赋予和人类的的智慧创造，具有双重的没，一方面，大自然、人类社会在运动中，始终保持和呈现一种规律，一种和谐，一种恒古不变的守恒性质；另一方面，人类利用了数学所刻划的规律，创造了美不胜收的物质世界。

2、创造成功教育的氛围，使学生获得思维成就带来的欢乐。

数学专著读书笔记 篇5

但是读起来还是比较吃力。比如，维度这一章。按以前的数学基础，一二三维接触的最多。高维基本没接触过，所以理解比较吃力。看起来是把几何问题转化成代数问题，可就是云里雾里。书中提到的高维空间图像化，说四维立方体就是两个三维的立方体对应顶点相连。但又说它的形状是不能想象出来的。

不过不能因为看的吃力就否定这本书。如果过于简单的一本书，就不存在什么价值了。在本书中，你看不到过多的术语、公式。作者尽量在把内容简单化、通俗化。很多证明的例子，没有公式，只要是有一定的理解能力，都能看明白。

这本书到底称不称得上数学的通识?

对我来说算。因为它打破了我对数学的一些偏见，让我重新认识数学。比如，我们觉得数学是一门精确的学科。因为里面有很多公式，很多的数字。我们学生时代解题，错一个数字或写错个公式要扣分的。正是这些造成了我们的偏见。作者却说说，对于很多问题来说，能找到精确的公式简直出人意料，如同奇迹一般。多数情况下，我们不得不满足于大致的估计。而正是这些大致的估计，解决了很多的数学问题，比如素数定理、排序算法等等都是通过近似得来的。就连数学模型也是，它并不代表真正的现实世界，只是一个近似的代表和反映。我不经觉得数学原来也可以这样玩。

《快乐数学》读书笔记 篇6

学习了数字，我认识了时间和标识;学习了四则运算，我能够自己买东西和独立思考;学习了好玩的数学游戏，我再也没有了无聊的烦恼。现在《快乐数学》又告诉了我什么是“5千米生活圈”、如何来“知识创造财富”，另外也给我带来了神奇的回文数、卡普卡雷数……

这些奇妙的“数”让计算变得更简单，让生活变得更方便。

《数学之美》读书笔记 篇7

下面记录一下自己读这本书的一些感想：

第一章《文字和语言vs数字和信息》：文字和语言中天然蕴藏着一些数学思想，数学可能不仅仅的是一门非常理科的知识，也是一种艺术。另外，遇到一个复杂的问题时，可能生活中的一些常识，一些简单的思想会给你带来解决问题的灵感。

第二章《自然语言处理----从规则到统计》：试图模拟人脑处理语言的模式，基于语法规则，词性等进行语法分析、语义分析的自然语言处理有着很大的复杂度，而基于统计的语言模型很好的解决了自然语言处理的诸多难题。人们认识这个过程，找到统计的方法经历了20多年，非常庆幸我们的前辈已经帮我们找到了正确的方法，不用我们再去苦苦摸索。另外，这也说明在发现真理的过程中是充满坎坷的，感谢那些曾经奉献了青春的科学家。自己以后遇到问题也不能轻易放弃，真正的成长是在解决问题的过程中。事情不可能一帆风顺的，这是自然界的普遍真理吧！

第三章《统计语言模型》：自然语言的处理找到了一种合适的方法---基于统计的模型，概率论的知识开始发挥作用。二元模型、三元模型、多元模型，模型元数越多，计算量越大，简单实用就是最好的。对于某些不出现或出现次数很少的词，会有零概率问题，这是就要找到一数学方法给它一个很小的概率。以前学概率论的时候觉的没什么用，现在开始发现这些知识可能就是你以后解决问题的利器。最后引用作者本章的最后一句话：数学的魅力就在于将复杂的问题简单化。

第四章《谈谈中文分词》：中文分词是将一句话分成一些词，这是以后进一步处理的基础。从开始的查字典到后来基于统计语言模型的分词，如今的中文分词算是一个已经解决的问题。然而，针对不同的系统、不同的要求，分词的粒度和方法也不尽相同，还是针对具体的问题，提出针对该问题最好的方法。没有什么是绝对的，掌握其中的道才是核心。

第五章《隐马尔科夫模型》：隐马尔科夫模型和概率论里面的马尔科夫链相似，就是该时刻的状态仅与前面某几个时刻的状态有关。基于大量数据训练出相应的隐马尔科夫模型，就可以解决好多机器学习的问题，训练中会涉及到一些经典的算法(维特比算法等)。关于这个模型，没有实际实现过，所以感觉好陌生，只是知道了些概率论讲过的原理而已。

第六章《信息的度量和作用》：信息论给出了信息的度量，它是基于概率的，概率越小，其不确定性越大，信息量就越大。引入信息量就可以消除系统的不确定性，同理自然语言处理的大量问题就是找相关的信息。信息熵的物理含义是对一个信息系统不确定性的度量，这一点与热力学中的熵概念相同，看似不同的学科之间也会有着很强的相似性。事务之间是存在联系的，要学会借鉴其他知识。

第七章《贾里尼克和现代语言处理》：贾里尼克是为世界级的大师，不仅在于他的学术成就，更在于他的风范。贾里尼克教授少年坎坷，也并非开始就投身到自然语言方面的研究，关键是他的思想和他的道。贾里克尼教授治学严谨、用心对待自己的学生，对于学生的教导，教授告诉你最多的是“什么方法不好”，这很像听到的一句话“我不赞同你，但我支持你”。贾里克尼教授一生专注学习，最后在办公桌前过世了。读了这章我总结出的一句话是“思想决定一个人的高度”。

在这章中对于少年时的教育，以下几点值得借鉴：

1、少年时期其实没有必要花那么多时间读书，他们的社会经验、生活能力以及在那时树立起的志向将帮助他们一生。

2、中学时花大量时间学会的内容，在大学用非常短的时间就可以读完，因为在大学阶段，人的理解力要强很多。

3、学习（和教育）是一个人一辈子的过程。

4、书本的内容可以早学，也可以晚学，但是错过了成长阶段却是无法补回来的。

第八章《简单之美----布尔代数和搜索引擎的索引》：布尔是19世纪英国的一位中学教师，但他的公开身份是啤酒商，提出好的思想的人不一定是大师。简单的建立索引可以根据一个词是否在一个网页中出现而设置为0和1，为了适应索引访问的速度、附加的信息、更新要快速，改进了索引的建立，但原理上依然简单，等价于布尔运算。牛顿的一句话“（人们）发觉真理在形式上从来是简单的，而不是复杂和含混的”。做好搜索，最基本的要求是每天分析10-20个不好的搜索结果，积累一段时间才有感觉。有时候，学习、处理问题，可以从不好的方面入手，效果可能更好。

第九章《图论和网络爬虫》：图的遍历分为“广度优先搜索（Breadth-FirstSearch，简称BFS）”和“深度优先搜索（Depth-FirstSearch，简称DFS）。互联网上有几百亿的网页，需要大量的服务器用来下载网页，需要协调这些服务器的任务，这就是网络设计和程序设计的艺术了。另外对于简单的网页，没必要下载。还需要存储一张哈希表来记录哪些网页已经存储过（如果记录每个网页的url，数量太多，这里可以用后面提到的信息指纹，只需要一个很多位的数字即可），避免重复下载。另外，在图论出现的很长一段时间里，实际需求的图只有几千个节点，那时图的遍历很简单，人们都没有怎么专门研究这个问题，随着互联网的出现，图的遍历一下子有了用武之地，很多数学方法就是这样，看上去没有什么用途，等到具体的应用出来了一下子开始派上大用场了，这可能就是世界上很多人毕生研究数学的原因吧。一个系统看似整体简单，但里面的每个东西都可能是一个复杂的东西，需要很好的设计。

第十章《PageRank----Google的民主表决式网页排名技术》：搜索返回了成千上万条结果，如何为搜索结果排名？这取决与两组信息：关于网页的质量信息以及这个查询和每个网页的相关性信息。PageRank算法来衡量一个网页的质量，该算法的思想是如果一个网页被很多其他网页所链接，说明它收到普遍的承认和信赖，那么它的排名就高。谷歌的创始人佩奇和布林提出了该算法并用迭代的方法解决了这个问题。PageRank在Google所有的算法中依然是至关重要的。该算法并不难，可是当时只有佩奇和布林想到了，为什么呢？

第十一章《如何确定网页和查询的相关性》：构建一个搜索引擎的四个方面：如何自动下载网页、如何建立索引、如何衡量网页的质量以及确定一个网页和某个查询的相关性。搜索关键词权重的科学度量TF―IDF，TF衡量一个词在一个网页中的权重，即词频。IDF衡量一个词本身的权重，对主题的预测能力。一个查询和该网页的相关性公式由词频的简单求和变成了加权求和，即TF1*IDF1+TF2*IDF2+...+TFN*IDFN。看似复杂的搜索引擎，里面的原理竟是这么简单！

第十二章《地图和本地搜索的最基本技术――有限状态机和动态规划》：地址的解析依靠有限状态机，当用户输入的地址不太标准或有错别字时，希望进行模糊匹配，提出了一种基于概率的有限状态机。通用的有限状态机的程序不是很好写，要求很高，建议直接采用开源的代码。图论中的动态规划问题可以用来解决两点间的最短路径问题，可以将一个“寻找全程最短路线”的问题，分解成一个个寻找局部最短路线的小问题。有限状态机和动态规划问题需要看相关的算法讲解，才能深入理解，目前对其并未完全理解。

第十三章《GoogleAK-47的设计者――阿米特・辛格博士》：辛格坚持选择简单方案的一个原因是容易解释每一个步骤和方法背后的道理，这样不仅便于出了问题时查错，而且容易找到今后改进的目标。辛格要求对于搜索质量的改进方法都要能说清楚理由，说不清楚理由的改进即使看上去有效也不会采用，因为这样将来可能是个隐患。辛格非常鼓励年轻人要不怕失败，大胆尝试。遵循简单的哲学。

第十四章《余弦定理和新闻的分类》：将新闻根据词的TF-IDF值组成新闻的特征向量，然后根据向量之间的余弦距离衡量两个特征之间的相似度，将新闻自动聚类。另外根据词的不同位置，权重应该不同，比如标题的词权重明显应该大点。大数据量的余弦计算也要考虑很多简化算法。

第十五章《矩阵运算和文本处理中的两个分类问题》：将大量的文本表示成文本和词汇的矩阵，然后对该矩阵进行奇异值SVD分解，可以得到隐含在其中的一些信息。计算余弦相似度的一次迭代时间和奇异值分解的时间复杂度在一个数量级，但计算余弦相似度需要多次迭代。另外，奇异值分解的一个问题是存储量大，而余弦定理的聚类则不需要。奇异值分解得到的结果略显粗糙，实际工作中一般先进行奇异值分解得到粗分类结果，在利用余弦计算得到比较精确地结果。我觉得这章讲的SVD有些地方不是很清楚，已向吴军老师请教了，等待回信。

第十六章《信息指纹及其应用》：信息指纹可以作为信息的唯一标识。有很多信息指纹的产生方法，互联网加密要使用基于加密的伪随机数产生器，常用的算法有MD5或者SHA-1等标准。信息指纹可以用来判定集合相同或基本相同。YouTobe就用信息指纹来反盗版。128位的指纹，1.8*10^19次才可能重复一次，所以重复的可能性几乎为0。判定集合是否相同，从简单的逐个比对到利用信息指纹，复杂度降低了很多很多。启发我们有时候要用变通的思想来解决问题。

第十七章《由电视剧《暗算》所想到的――谈谈密码学的数学原理》：RSA加密算法，有两个完全不同的钥匙，一个用于加密，一个用于解密。该算法里面蕴含着简单但不好理解的数学思想。信息论在密码设计中的应用：当密码之间分布均匀并且统计独立时，提供的信息最少。均匀分布使得敌人无从统计，而统计独立能保证敌人即使知道了加密算法，也不能破译另一段密码。

第十八章《闪光的不一定是金子――谈谈搜索引擎反作弊问题》：把搜索反作弊看成是通信模型，作弊当做是加入的噪声，解决噪声的方法：从信息源出发，增强排序算法的抗干扰能力；过滤掉噪声，还原信息。只要噪声不是完全随机并且前后有相关性，就可以检测到并消除。作弊者的方法不可能是随机的，且不可能一天换一种方法，及作弊是时间相关的。因此在搜集一段时间的作弊信息后，就可以将作弊者抓出来，还原原有的排名。一般作弊都是针对市场份额较大的搜索引擎做的，因此，一个小的搜索引擎作弊少，并不一定是它的反作弊技术好，而是到它那里作弊的人少。

第十九章《谈谈数学模型的重要性》：早期的行星运行模型用大圆套小圆的方法，精确地计算出了所有行星运行的轨迹。但其实模型就是简单的椭圆而已。一个正确的数学模型应该在形式上是简单的；一个正确的模型可能开始还不如一个精雕细琢过的错误模型来的准确，但是，如果我们认定大方向是对的，就应该坚持下去；大量准备的数据对研发很重要；正确的模型可能受到噪声干扰，而显得不准确，这是不应该用一种凑合的修正方法来弥补它，要找到噪声的根源，这也许能通往重大的发现。

第二十章《不要把鸡蛋放在一个篮子里――谈谈最大熵模型》：对一个随机事件预测时，当各种情况概率相等时，信息熵达到最大，不确定性最大，预测的风险最小。最大熵模型的训练非常复杂，需要时查看资料做进一步的理解。

第二十一章《拼音输入法的数学原理》：输入法经历了以自然音节编码，到偏旁笔画拆字输入，再回归自然音节输入的过程。任何事物的发展，螺旋式的回归不是简单的重复，而是一种升华。输入法的速度取决于编码的场地*寻找这个键的时间。传统的双拼，记住编码太难，寻找每个键的时间太长，并且增加了编码上的歧义。根据香农第一定理可以计算理论上每个汉字的平均最短码长。全拼不仅编码平均长度较少，而且根据上下文的语言模型可以很好的解决歧义问题。利用统计语言模型可是实现拼音转汉字的有效算法，而且可以转换为动态规划求最短路径问题。如今各家输入法的效率基本在一个量级，进一步提升的关键就在于建立更好的语言模型。可以根据每个用户建立个性化的语言模型。输入的过程本身就是人和计算机的通信，好的输入法会自觉或者不自觉的的遵循通信的数学模型。要做出最有效的输入法，应该自觉使用信息论做指导。

第二十二章《自然语言处理的教父马库斯和他的优秀弟子们》：将自然语言处理从基于规则到基于统计，贡献最大的两个人，一个是前面介绍的贾里尼克教授，他是一个开创性任务；另一个是将这个方法发扬光大的米奇・马库斯。马库斯的贡献在于建立了造福全世界研究者的宾夕法尼亚大学LDC语料库以及他的众多优秀弟子。马库斯的影响力很大程度上是靠他的弟子传播出去的。马库斯教授有很多值得钦佩的地方：给予他的博士研究生自己感兴趣的课题的自由，高屋建瓴，给学生关键的指导；宽松的管理方式，培养各有特点的年轻学者；是一个有着远见卓识的管理者。他的学生为人做事风格迥异，但都年轻有为，例如追求完美的迈克尔・柯林斯和寻求简单美的艾克尔・布莱尔。大师之所以能成为大师，肯定有着一些优秀的品质和追求。

第二十三章《布隆过滤器》：判断一个元素是否在一个集合当中时，用到了布隆过滤器，存储量小而且计算快速。其原理是：建立一个很长的二进制，将每个元素通过随机数产生器产生一些信息指纹，再将这些信息指纹映射到一些自然数上，最后在建立的那个很长的二进制上把这些自然数的位置都置为1。布隆过滤器的.不足之处是它可能把不在集合中的元素错判成集合中的元素，但在某些条件下这个概率是很小的，补救措施是可以建立一个小的白名单，存储那些可能误判的元素。布隆过滤器背后的数学原理在于完全随机的数字其冲突的可能性很小，可以用很少的空间存储大量的信息，并且由于只进行简单的算术运算，因此速度非常快。《编程珠玑》中第一章的那个例子就是布隆过滤器的思想。开阔思维，寻找更好更简单的方法。

第二十四章《马尔科夫链的扩展――贝叶斯网络》：贝叶斯网络是马尔科夫链的扩展，由简单的线性链式关系扩展为网络的关系，但贝叶斯网络仍然假设每一个状态只与它直接相连的状态相关。确定贝叶斯网络的拓扑结构和各个状态之间相关的概率也需要训练。在词分类中，可以建立文章、主题和关键词的贝叶斯网络，用来得到词的分类。贝叶斯网络的训练包括确定拓扑结构和转移概率，比较复杂，后者可以参考最大熵训练的方法。贝叶斯网络导出的模型是非常复杂的。

第二十五章《条件随机场和句法分析》：句法分析是分析出一个句子的句子结构，对于不规则的句子，对其进行深入的分析是很复杂的，而浅层的句法分析在很多时候已经可以满足要求了。条件随机场就是进行浅层句法分析的有效的数学模型。条件随机场与贝叶斯网络很像，不用之处在于，条件随机场是无向图，而贝叶斯网络是有向图。条件随机场的训练很复杂，简化之后可以参考最大熵训练的方法。对于条件随机场的详细参数及原理还不理解。

第二十六章《维特比和他的维特比算法》：维特比算法是一个动态规划算法，凡是使用隐马尔科夫模型描述的问题都可以用它来解码。维特比算法采用逐步渐进的方法，计算到每步的最短距离，到下步的最短距离只用接着本步的计算即可，相比穷举法，大大缩短了计算的时间，并且基本可以实现实时的输出，这看似简单，但在当时确是很了不起的。维特比并不满足停留在算法本身，他将算法推广出去，并应用到了实际中，创立了高通公司，成为了世界上第二富有的数学家。高通公司在第二代移动通信中并不占很强的市场地位，而其利用CDMA技术霸占了3G的市场，可见远见的洞察力是多么的重要。

第二十七章《再谈文本分类问题――期望最大化算法》：该章讲的其实就是K均值聚类问题，设置原始聚类中心，然后不断迭代，直至收敛，将每个点分到一个类中。其实隐马尔科夫模型的训练和最大熵的训练都是期望最大化算法（EM）。首先，根据现有的模型，计算各个观测数据输入到模型中的计算结果，这个过程称为期望值计算过程，或E过程；接下来，重新计算模型参数，以最大化期望值，这个过程称为最大化的过程，或M过程。优化的目标函数如果是个凸函数，则一定有全局最优解，若不是凸函数，则可能找到的是局部最优解。在以后的一些问题求解过程中，应该考虑其是否是EM问题，也可以考虑参考这种思想，不断迭代以优化目标的过程。

第二十八章《逻辑回归和搜索广告》：雅虎和百度的竞价排名广告并不比谷歌的根据广告的预估点击率来客观的推送广告收入多。点击预估率有很多影响因素，一种有效的方法是逻辑回归模型，逻辑回归模型是一种将影响概率的不同因素结合在一起的指数模型。其训练方法和最大熵模型相似。同样不是很理解其具体内涵。

第二十九章《各个击破和Google云计算的基础》：分而治之，各个击破是一个很好的方法，Google开发的MapReduce算法就应用了该方法。将一个大任务分成几个小任务，这个过程叫Map，将小任务的结果合并成最终结果，这个过程叫Reduce，该过程如何调度、协调就是工程上比较复杂的事情了。可见大量用到的、真正有用的方法往往简单而又朴实。

附录《计算复杂度》：计算机中复杂度是以O来表示的，如果一个算法的计算量不超过N的多项式函数，则称算法为多项式函数复杂度的（P问题），是可以计算的。若比N的多项式函数还高，则是非多项式问题，实际上是不可计算的。非多项式问题中一种非确定的多项式问题（简称NP），是科学家研究的焦点，因为现实中好多问题都是NP问题。另外还有NP-Complete问题（NP问题可以在多项式时间内规约到该问题）和NP-Hard问题，对于这两种问题，需要简化找到近似解。