多媒体数据挖掘系统引论PDF|Epub|txt|kindle电子书版本网盘下载

多媒体数据挖掘系统引论PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一部分 引论3

第1章 简介3

1.1 多媒体数据挖掘定义3

1.2 多媒体数据挖掘系统经典体系结构6

1.3 本书内容与组织7

1.4 本书受众8

1.5 进一步读物8

第二部分 理论和技术13

第2章 多媒体数据特征与知识表示13

2.1 引言13

2.2 基本概念14

2.2.1 数字采样14

2.2.2 媒体数据类型16

2.3 特征表示18

2.3.1 统计特征19

2.3.2 几何特征23

2.3.3 元特征26

2.4 知识表示26

2.4.1 逻辑表示26

2.4.2 语义网络28

2.4.3 框架29

2.4.4 约束31

2.4.5 不确定性表示33

2.5 小结36

第3章 统计数据挖掘理论与技术37

3.1 引言37

3.2 贝叶斯学习38

3.2.1 贝叶斯定理38

3.2.2 贝叶斯最优分类器40

3.2.3 Gibbs抽样算法41

3.2.4 朴素贝叶斯分类器41

3.2.5 贝叶斯信念网络42

3.3 概率潜在语义分析45

3.3.1 潜在语义分析46

3.3.2 潜在语义分析概率扩展47

3.3.3 基于期望最大化的模型拟合48

3.3.4 潜在概率空间与概率潜在语义分析49

3.3.5 模型过拟合与强化的期望最大化算法50

3.4 用于离散数据分析的隐含狄利克雷分配模型51

3.4.1 隐含狄利克雷分配模型52

3.4.2 与其他隐变量模型关系54

3.4.3 隐含狄利克雷分配模型推理56

3.4.4 隐含狄利克雷分配模型参数估计58

3.5 层次狄利克雷过程58

3.6 多媒体数据挖掘中的应用60

3.7 支持向量机60

3.8 面向结构化输出空间的最大间隔学习65

3.9 Boosting70

3.10 多示例学习72

3.10.1 构建语义词空间与图像视觉代表对象空间映射73

3.10.2 词到图像的查询76

3.10.3 图像到图像的查询76

3.10.4 图像到单词的查询76

3.10.5 多模态查询77

3.10.6 可扩展性分析77

3.10.7 适应性分析77

3.11 半监督学习80

3.11.1 监督学习83

3.11.2 半监督学习84

3.11.3 半参数正则化最小二乘87

3.11.4 半参数正则化支持向量机88

3.11.5 半参数正则化算法90

3.11.6 直推方法与半监督学习91

3.11.7 与其他方法的比较91

3.12 小结92

第4章 基于软计算的理论与技术93

4.1 引言93

4.2 软计算方法特点94

4.3 模糊集理论95

4.3.1 模糊集基本概念和性质95

4.3.2 模糊逻辑和模糊推理规则97

4.3.3 模糊集在多媒体数据挖掘中的应用98

4.4 人工神经网络99

4.4.1 神经网络基本结构99

4.4.2 神经网络中的监督学习102

4.4.3 神经网络中的强化学习106

4.5 遗传算法109

4.5.1 遗传算法简述109

4.5.2 遗传算法极值搜索与传统极值搜索方法比较112

4.6 小结116

第三部分 多媒体数据挖掘应用实例119

第5章 图像数据库建模——语义库训练119

5.1 引言119

5.2 研究背景119

5.3 相关工作120

5.4 图像特征和视觉词典122

5.4.1 图像特征122

5.4.2 视觉词典123

5.5 α-语义图与语义库模糊模型125

5.5.1 α-语义图126

5.5.2 语义库模糊模型128

5.6 基于分类的检索算法129

5.7 实验结果131

5.7.1 给定数据库上的分类性能132

5.7.2 基于分类的检索结果133

5.8 小结138

第6章 图像数据库建模——潜在语义概念发现139

6.1 引言139

6.2 研究背景和相关工作139

6.3 基于区域的图像表示141

6.3.1 图像分割142

6.3.2 视觉符号目录144

6.4 概率潜在语义模型147

6.4.1 概率数据库模型147

6.4.2 使用期望最大化构建模型148

6.4.3 概念数估计149

6.5 基于后验概率的图像挖掘与检索150

6.6 算法分析152

6.7 实验结果153

6.8 小结160

第7章 图像数据挖掘和概念发现的多模态方法161

7.1 引言161

7.2 研究背景161

7.3 相关工作162

7.4 概率语义模型163

7.4.1 概率语义标注图像模型164

7.4.2 基于期望最大化的模型拟合过程165

7.4.3 概念数估计166

7.5 基于模型的图像语义标注与多模态图像挖掘和检索167

7.5.1 图像语义标注与图像到文本查询167

7.5.2 文本到图像查询168

7.6 实验169

7.6.1 数据库与特征集合169

7.6.2 评估度量170

7.6.3 图像自动语义标注结果171

7.6.4 单个文本到图像的查询结果173

7.6.5 图像到图像的查询结果174

7.6.6 与纯文本查询方法的性能比较结果175

7.7 小结176

第8章 视频数据库概念发现与挖掘177

8.1 引言177

8.2 研究背景177

8.3 相关工作178

8.4 视频分类180

8.4.1 朴素贝叶斯分类器180

8.4.2 最大熵分类器182

8.4.3 支持向量机分类器183

8.4.4 基于元数据与基于内容的分类器组合184

8.5 查询分类185

8.6 实验186

8.6.1 数据集186

8.6.2 视频分类结果188

8.6.3 查询分类结果193

8.6.4 查找相关性结果193

8.7 小结194

第9章 音频数据库概念发现与挖掘196

9.1 引言196

9.2 研究背景与相关工作196

9.3 特征抽取199

9.4 分类方法201

9.5 实验结果202

9.6 小结205

参考文献206