多媒體數(shù)據(jù)挖掘系統(tǒng)引論

《信息科學(xué)技術(shù)學(xué)術(shù)著作叢書(shū)》序 

原書(shū)序 

前言 

第*部分 引論 

第1章 簡(jiǎn)介 3 

1.1 多媒體數(shù)據(jù)挖掘定義 3 

1.2 多媒體數(shù)據(jù)挖掘系統(tǒng)經(jīng)典體系結(jié)構(gòu) 6 

1.3 本書(shū)內(nèi)容與組織 7 

1.4 本書(shū)受眾 8 

1.5 進(jìn)一步讀物 8 

第二部分 理論和技術(shù) 

第2章 多媒體數(shù)據(jù)特征與知識(shí)表示 13 

2.1 引言 13 

2.2 基本概念 14 

2.2.1 數(shù)字采樣 14 

2.2.2 媒體數(shù)據(jù)類(lèi)型 16 

2.3 特征表示 18 

2.3.1 統(tǒng)計(jì)特征 19 

2.3.2 幾何特征 23 

2.3.3 元特征 26 

2.4 知識(shí)表示 26 

2.4.1 邏輯表示 26 

2.4.2 語(yǔ)義網(wǎng)絡(luò) 28 

2.4.3 框架 29 

2.4.4 約束 31 

2.4.5 不確定性表示 33 

2.5 小結(jié) 36 

第3章 統(tǒng)計(jì)數(shù)據(jù)挖掘理論與技術(shù) 37 

3.1 引言 37 

3.2 貝葉斯學(xué)習(xí) 38 

3.2.1 貝葉斯定理 38 

3.2.2 貝葉斯*優(yōu)分類(lèi)器 40 

3.2.3 Gibbs抽樣算法 41 

3.2.4 樸素貝葉斯分類(lèi)器 41 

3.2.5 貝葉斯信念網(wǎng)絡(luò) 42 

3.3 概率潛在語(yǔ)義分析 45 

3.3.1 潛在語(yǔ)義分析 46 

3.3.2 潛在語(yǔ)義分析概率擴(kuò)展 47 

3.3.3 基于期望*大化的模型擬合 48 

3.3.4 潛在概率空間與概率潛在語(yǔ)義分析 49 

3.3.5 模型過(guò)擬合與強(qiáng)化的期望*大化算法 50 

3.4 用于離散數(shù)據(jù)分析的隱含狄利克雷分配模型 51 

3.4.1 隱含狄利克雷分配模型 52 

3.4.2 與其他隱變量模型關(guān)系 54 

3.4.3 隱含狄利克雷分配模型推理 56 

3.4.4 隱含狄利克雷分配模型參數(shù)估計(jì) 58 

3.5 層次狄利克雷過(guò)程 58 

3.6 多媒體數(shù)據(jù)挖掘中的應(yīng)用 60 

3.7 支持向量機(jī) 60 

3.8 面向結(jié)構(gòu)化輸出空間的*大間隔學(xué)習(xí) 65 

3.9 Boosting 70 

3.10 多示例學(xué)習(xí) 72 

3.10.1 構(gòu)建語(yǔ)義詞空間與圖像視覺(jué)代表對(duì)象空間映射 73 

3.10.2 詞到圖像的查詢(xún) 76 

3.10.3 圖像到圖像的查詢(xún) 76 

3.10.4 圖像到單詞的查詢(xún) 76 

3.10.5 多模態(tài)查詢(xún) 77 

3.10.6 可擴(kuò)展性分析 77 

3.10.7 適應(yīng)性分析 77 

3.11 半監(jiān)督學(xué)習(xí) 80 

3.11.1 監(jiān)督學(xué)習(xí) 83 

3.11.2 半監(jiān)督學(xué)習(xí) 84 

3.11.3 半?yún)?shù)正則化*小二乘 87 

3.11.4 半?yún)?shù)正則化支持向量機(jī) 88 

3.11.5 半?yún)?shù)正則化算法 90 

3.11.6 直推方法與半監(jiān)督學(xué)習(xí) 91 

3.11.7 與其他方法的比較 91 

3.12 小結(jié) 92 

第4章 基于軟計(jì)算的理論與技術(shù) 93 

4.1 引言 93 

4.2 軟計(jì)算方法特點(diǎn) 94 

4.3 模糊集理論 95 

4.3.1 模糊集基本概念和性質(zhì) 95 

4.3.2 模糊邏輯和模糊推理規(guī)則 97 

4.3.3 模糊集在多媒體數(shù)據(jù)挖掘中的應(yīng)用 98 

4.4 人工神經(jīng)網(wǎng)絡(luò) 99 

4.4.1 神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu) 99 

4.4.2 神經(jīng)網(wǎng)絡(luò)中的監(jiān)督學(xué)習(xí) 102 

4.4.3 神經(jīng)網(wǎng)絡(luò)中的強(qiáng)化學(xué)習(xí) 106 

4.5 遺傳算法 109 

4.5.1 遺傳算法簡(jiǎn)述 109 

4.5.2 遺傳算法極值搜索與傳統(tǒng)極值搜索方法比較 112 

4.6 小結(jié) 116 

第三部分 多媒體數(shù)據(jù)挖掘應(yīng)用實(shí)例 

第5章 圖像數(shù)據(jù)庫(kù)建?！Z(yǔ)義庫(kù)訓(xùn)練 119 

5.1 引言 119 

5.2 研究背景 119 

5.3 相關(guān)工作 120 

5.4 圖像特征和視覺(jué)詞典 122 

5.4.1 圖像特征 122 

5.4.2 視覺(jué)詞典 123 

5.5 α-語(yǔ)義圖與語(yǔ)義庫(kù)模糊模型 125 

5.5.1 α-語(yǔ)義圖 126 

5.5.2 語(yǔ)義庫(kù)模糊模型 128 

5.6 基于分類(lèi)的檢索算法 129 

5.7 實(shí)驗(yàn)結(jié)果 131 

5.7.1 給定數(shù)據(jù)庫(kù)上的分類(lèi)性能 132 

5.7.2 基于分類(lèi)的檢索結(jié)果 133 

5.8 小結(jié) 138 

第6章 圖像數(shù)據(jù)庫(kù)建?！獫撛谡Z(yǔ)義概念發(fā)現(xiàn) 139 

6.1 引言 139 

6.2 研究背景和相關(guān)工作 139 

6.3 基于區(qū)域的圖像表示 141 

6.3.1 圖像分割 142 

6.3.2 視覺(jué)符號(hào)目錄 144 

6.4 概率潛在語(yǔ)義模型 147 

6.4.1 概率數(shù)據(jù)庫(kù)模型 147 

6.4.2 使用期望*大化構(gòu)建模型 148 

6.4.3 概念數(shù)估計(jì) 149 

6.5 基于后驗(yàn)概率的圖像挖掘與檢索 150 

6.6 算法分析 152 

6.7 實(shí)驗(yàn)結(jié)果 153 

6.8 小結(jié) 160 

第7章 圖像數(shù)據(jù)挖掘和概念發(fā)現(xiàn)的多模態(tài)方法 161 

7.1 引言 161 

7.2 研究背景 161 

7.3 相關(guān)工作 162 

7.4 概率語(yǔ)義模型 163 

7.4.1 概率語(yǔ)義標(biāo)注圖像模型 164 

7.4.2 基于期望*大化的模型擬合過(guò)程 165 

7.4.3 概念數(shù)估計(jì) 166 

7.5 基于模型的圖像語(yǔ)義標(biāo)注與多模態(tài)圖像挖掘和檢索 167 

7.5.1 圖像語(yǔ)義標(biāo)注與圖像到文本查詢(xún) 167 

7.5.2 文本到圖像查詢(xún) 168 

7.6 實(shí)驗(yàn) 169 

7.6.1 數(shù)據(jù)庫(kù)與特征集合 169 

7.6.2 評(píng)估度量 170 

7.6.3 圖像自動(dòng)語(yǔ)義標(biāo)注結(jié)果 171 

7.6.4 單個(gè)文本到圖像的查詢(xún)結(jié)果 173 

7.6.5 圖像到圖像的查詢(xún)結(jié)果 174 

7.6.6 與純文本查詢(xún)方法的性能比較結(jié)果 175 

7.7 小結(jié) 176 

第8章 視頻數(shù)據(jù)庫(kù)概念發(fā)現(xiàn)與挖掘 177 

8.1 引言 177 

8.2 研究背景 177 

8.3 相關(guān)工作 178 

8.4 視頻分類(lèi) 180 

8.4.1 樸素貝葉斯分類(lèi)器 180 

8.4.2 *大熵分類(lèi)器 182 

8.4.3 支持向量機(jī)分類(lèi)器 183 

8.4.4 基于元數(shù)據(jù)與基于內(nèi)容的分類(lèi)器組合 184 

8.5 查詢(xún)分類(lèi) 185 

8.6 實(shí)驗(yàn) 186 

8.6.1 數(shù)據(jù)集 186 

8.6.2 視頻分類(lèi)結(jié)果 188 

8.6.3 查詢(xún)分類(lèi)結(jié)果 193 

8.6.4 查找相關(guān)性結(jié)果 193 

8.7 小結(jié) 194 

第9章 音頻數(shù)據(jù)庫(kù)概念發(fā)現(xiàn)與挖掘 196 

9.1 引言 196 

9.2 研究背景與相關(guān)工作 196 

9.3 特征抽取 199 

9.4 分類(lèi)方法 201 

9.5 實(shí)驗(yàn)結(jié)果 202 

9.6 小結(jié) 205 

參考文獻(xiàn) 206