掃一掃
關(guān)注中圖網(wǎng)
官方微博
>
>>
海量網(wǎng)絡(luò)多媒體信息高效處理-概念與技術(shù)
海量網(wǎng)絡(luò)多媒體信息高效處理-概念與技術(shù) 版權(quán)信息
- ISBN：9787030374158
- 條形碼：9787030374158 ; 978-7-03-037415-8
- 裝幀：暫無
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
海量網(wǎng)絡(luò)多媒體信息高效處理-概念與技術(shù) 本書特色
《海量網(wǎng)絡(luò)多媒體信息高效處理--概念與技術(shù)》由莊毅所著，本書較為系統(tǒng)地從數(shù)據(jù)庫層面對網(wǎng)絡(luò)多媒體信息檢索、索引、降維、聚類及并行化處理等技術(shù)進(jìn)行介紹，側(cè)重于提高查詢效率。同時(shí)結(jié)合*新的網(wǎng)絡(luò)多媒體研究現(xiàn)狀及發(fā)展趨勢，進(jìn)行深入闡述和分析。*后，結(jié)合*新應(yīng)用，對諸如數(shù)字圖書館、網(wǎng)絡(luò)輿情分析與監(jiān)控及網(wǎng)絡(luò)購物等進(jìn)行了介紹。本書共八篇，力求從不同角度對海量高維多媒體信息的高效處理技術(shù)進(jìn)行闡述。
海量網(wǎng)絡(luò)多媒體信息高效處理-概念與技術(shù) 內(nèi)容簡介
本書較為系統(tǒng)地從數(shù)據(jù)庫層面對海量網(wǎng)絡(luò)多媒體信息的高效處理進(jìn)行介紹和討論。本書分為8篇24章，力求從檢索、索引、降維、聚類及并行處理等5個(gè)方面在深度和廣度上進(jìn)行闡述，側(cè)重于提高查詢效率。同時(shí)結(jié)合*新的網(wǎng)絡(luò)多媒體研究現(xiàn)狀及發(fā)展趨勢，進(jìn)行深入闡述和分析。另外，結(jié)合*新應(yīng)用，如數(shù)字圖書館、網(wǎng)絡(luò)輿情分析與監(jiān)控及網(wǎng)絡(luò)購物等進(jìn)行介紹。 本書可作為高等院校計(jì)算機(jī)科學(xué)、圖書情報(bào)等專業(yè)的研究生或高年級本科生的參考資料或教學(xué)用書，對從事海量網(wǎng)絡(luò)多媒體數(shù)據(jù)處理研究、應(yīng)用和開發(fā)的廣大科技人員也有很大的參考價(jià)值。
海量網(wǎng)絡(luò)多媒體信息高效處理-概念與技術(shù) 目錄
序
前言
入門篇
第1章 互聯(lián)網(wǎng)、多媒體與大數(shù)據(jù)
1.1 緒論
1.2 本書內(nèi)容結(jié)構(gòu)
第2章 海量多媒體處理技術(shù)綜述
2.1 多媒體檢索技術(shù)
2.2 高維索引技術(shù)
2.2.1 集中式高維索引
2.2.2 分布式高維索引
2.3 降維與聚類技術(shù)
2.3.1 降維
2.3.2 聚類
2.4 并行檢索技術(shù)
2.4.1 基于數(shù)據(jù)分片的負(fù)載均衡技術(shù)
2.4.2 云計(jì)算、網(wǎng)格計(jì)算及點(diǎn)對點(diǎn)計(jì)算
2.5 有代表性的海量多媒體系統(tǒng)
2.6 本章小結(jié)
檢索篇
第3章 基于語義特征的多媒體檢索
3.1 引言
3.2 文本檢索模型
3.2.1 布爾模型
3.2.2 向量空間模型
3.2.3 聚類檢索模型
3.2.4 概率模型
3.3 tf×idf權(quán)值
3.4 現(xiàn)有支持語義的多媒體檢索系統(tǒng)
3.5 本章小結(jié)
第4章 基于內(nèi)容特征的多媒體檢索
4.1 基于內(nèi)容的圖像檢索
4.1.1 圖像特征提取
4.1.2 圖像相似度模型
4.1.3 圖像檢索中的相關(guān)反饋
4.1.4 現(xiàn)有基于內(nèi)容的圖像檢索系統(tǒng)
4.2 基于內(nèi)容的音頻檢索
4.2.1 音頻特征提取
4.2.2 音頻例子檢索
4.2.3 現(xiàn)有基于內(nèi)容的音頻檢索系統(tǒng)
4.3 基于內(nèi)容的視頻檢索
4.3.1 視頻預(yù)處理技術(shù)
4.3.2 系統(tǒng)體系結(jié)構(gòu)
4.3.3 視頻檢索技術(shù)
4.3.4 現(xiàn)有基于內(nèi)容的視頻檢索系統(tǒng)
4.4 本章小結(jié)
第5章 基于多特征的多媒體檢索
5.1 基于多特征的圖片檢索
5.1.1 基于語義和內(nèi)容的圖片檢索
5.1.2 基于內(nèi)容和主觀性特征的圖片檢索
5.1.3 基于多內(nèi)容特征的書法字圖片檢索
5.2 基于多特征的音頻檢索
5.3 基于多特征的視頻檢索
5.4 本章小結(jié)
第6章 跨媒體檢索
6.1 引言
6.2 交叉參照圖模型
6.3 異構(gòu)媒體對象相關(guān)性挖掘
6.3.1 基于語義標(biāo)注的方法
6.3.2 基于鏈接分析的方法
6.3.3 基于異構(gòu)特征分析的方法
6.3.4 其他方法
6.4 本章小結(jié)
第7章 社交媒體檢索與推薦
7.1 引言
7.2 國內(nèi)外研究現(xiàn)狀分析
7.3 社交(媒體)對象概率建模
7.4 基于多特征融合的社交圖片對象查詢與推薦
7.5 結(jié)合視覺特征和標(biāo)簽語義不確定性的社交圖片概率查詢
7.5.1 語義特征概率建模
7.5.2 查詢算法
7.6 結(jié)合視覺特征的社交圖片主觀性概率查詢
7.6.1 主觀性特征概率分布模型
7.6.2 查詢算法
7.7 結(jié)合地理標(biāo)注信息和視覺特征的社交圖片復(fù)合查詢
7.7.1 基于代價(jià)模型的查詢策略選擇
7.7.2 查詢算法
7.8 社交對象的相關(guān)性概率查詢
7.8.1 交叉關(guān)聯(lián)概率圖模型
7.8.2 查詢算法
7.9 基于用戶偏好概率模型的社交圖片個(gè)性化推薦
7.9.1 用戶偏好概率分布表
7.9.2 個(gè)性化推薦算法
7.10 本章小結(jié)
第8章 語義網(wǎng)數(shù)據(jù)檢索
8.1 語義網(wǎng)和rdf數(shù)據(jù)
8.2 rdf數(shù)據(jù)管理研究現(xiàn)狀
8.2.1 sparql查詢語言
8.2.2 基于關(guān)系數(shù)據(jù)模型
8.2.3 基于圖數(shù)據(jù)模型
8.3 面向rdf的智能檢索方法
8.4 本章小結(jié)
索引篇
第9章 文本索引
9.1 倒排文件索引
9.2 簽名文件索引
9.3 本章小結(jié)
第10章 高維索引
10.1 集中式高維索引
10.1.1 基于數(shù)據(jù)和空間分片的索引方法
10.1.2 基于向量近似表達(dá)的索引方法
10.1.3 基于空間填充曲線的索引方法
10.1.4 基于尺度空間的索引方法
10.1.5 基于距離的索引方法
10.1.6 基于數(shù)據(jù)分布的索引方法
10.1.7 基于lsh函數(shù)的索引方法
10.1.8 子空間索引方法
10.2 分布式高維索引
10.3 不確定性高維索引
10.3.1 相關(guān)工作
10.3.2 預(yù)備工作
10.3.3 isu-tree索引
10.3.4 cu-tree索引
10.4 實(shí)例:基于局部距離圖的交互式書法字索引
10.4.1 問題定義及動(dòng)機(jī)
10.4.2 局部距離圖索引
10.4.3 超球心重定位
10.4.4 索引更新算法
10.4.5 偽k近鄰查詢算法
10.4.6 實(shí)驗(yàn)
10.5 本章小結(jié)
第11章 多特征索引
11.1 通用多特征索引
11.2 圖片多特征索引
11.2.1 結(jié)合語義和內(nèi)容的多特征索引
11.2.2 基于視覺和主觀性特征的商品圖片多特征索引
11.2.3 書法字圖片多特征索引
11.2.4 社交圖片的多特征索引
11.3 音頻多特征索引
11.3.1 基于內(nèi)容的音頻多特征索引
11.3.2 基于內(nèi)容及語義的音頻多特征索引
11.4 視頻多特征索引
11.4.1 基于多特征哈希的視頻索引
11.4.2 基于多特征索引樹的視頻索引
11.5 跨媒體索引
11.5.1 預(yù)備知識(shí)
11.5.2 索引生成算法及其可擴(kuò)展性
11.5.3 查詢算法
11.5.4 實(shí)驗(yàn)
11.6 社交(媒體)對象的相關(guān)性索引
11.7 本章小結(jié)
降維篇
第12章 降維技術(shù)
12.1 引言
12.2 無監(jiān)督降維
12.2.1 主成分分析
12.2.2 多維尺度分析
12.2.3 局部保留映射
12.2.4 isomap降維
12.2.5 其他降維方法
12.3 半監(jiān)督降維
12.3.1 基于類別標(biāo)記的方法
12.3.2 基于成對約束的方法
12.3.3 基于其他監(jiān)督信息的方法
12.4 監(jiān)督降維
12.4.1 線性判別式分析降維
12.4.2 其他降維方法
12.5 本章小結(jié)
聚類篇
第13章 聚類技術(shù)
13.1 引言
13.2 基于劃分的聚類算法
13.2.1 k-means算法
13.2.2 k-medoids算法
13.2.3 k-modes算法
13.3 基于層次的聚類算法
13.3.1 birch算法
13.3.2 cure算法
13.3.3 chamaleon算法
13.3.4 其他層次聚合算法
13.4 基于密度的聚類算法
13.4.1 dbscan算法
13.4.2 optics算法
13.4.3 其他密度聚類算法
13.5 基于網(wǎng)格的聚類算法
13.5.1 sting算法
13.5.2 clique算法
13.5.3 其他網(wǎng)格聚類算法
13.6 基于模型的聚類算法
13.6.1 mrkd-tree算法
13.6.2 soon算法
13.6.3 粒子篩選算法
13.7 其他聚類算法
13.7.1 模糊聚類算法
13.7.2 基于圖論的聚類算法
13.7.3 ap聚類算法
13.8 本章小結(jié)
第14章 文本聚類
14.1 k平均文本聚類算法
14.2 層次式文本聚類算法
14.3 基于后綴樹的web文本聚類算法
14.4 基于密度的web文本聚類算法
14.5 本章小結(jié)
第15章 圖片聚類
15.1 引言
15.2 基于文本特征的web圖片聚類
15.2.1 候選圖片聚類名的學(xué)習(xí)
15.2.2 合并和裁剪聚類名
15.3 基于多特征的web圖片聚類
15.3.1 web圖片的三種表達(dá)
15.3.2 使用文本和鏈接信息聚類
15.4 基于相關(guān)性挖掘的web圖片聚類
15.4.1 圖片-文本相關(guān)性挖掘
15.4.2 圖聚類算法
15.5 基于多例學(xué)習(xí)的web圖片聚類
15.5.1 基于em的多例聚類算法
15.5.2 啟發(fā)式迭代優(yōu)化算法
15.6 基于概率模型的個(gè)性化社交圖片聚類
15.6.1 問題定義
15.6.2 上下文信息相似度量
15.6.3 用戶偏好概率模型
15.6.4 聚類算法
15.7 本章小結(jié)
第16章 音頻聚類與分類
16.1 引言
16.2 基于擬聲詞標(biāo)注的音頻聚類
16.2.1 動(dòng)機(jī)
16.2.2 實(shí)現(xiàn)
16.3 基于隱馬爾可夫模型的音頻分類
16.4 其他聚類與分類方法
16.5 本章小結(jié)
第17章 視頻聚類
17.1 引言
17.2 基于多特征的視頻聚類算法
17.2.1 視頻信息獲取
17.2.2 視頻片段相似度量
17.2.3 上下文信息相似度量
17.2.4 聚類處理
17.3 其他視頻聚類算法
17.4 本章小結(jié)
并行處理篇
第18章 海量多媒體分布式并行相似查詢處理
18.1 基于數(shù)據(jù)網(wǎng)格的k近鄰相似查詢
18.1.1 預(yù)備工作
18.1.2 支撐技術(shù)
18.1.3 gknn查詢算法
18.1.4 理論分析
18.1.5 實(shí)驗(yàn)
18.1.6 具體應(yīng)用:基于數(shù)據(jù)網(wǎng)格的書法字檢索
18.2 移動(dòng)云計(jì)算環(huán)境下的醫(yī)學(xué)圖像查詢處理
18.2.1 預(yù)備工作
18.2.2 支撐技術(shù)
18.2.3 兩種索引結(jié)構(gòu)
18.2.4 mimic查詢算法
18.2.5 實(shí)驗(yàn)
18.3 本章小結(jié)
第19章 分布式并行環(huán)境下的多重相似查詢優(yōu)化
19.1 引言
19.2 預(yù)備工作
19.3 動(dòng)態(tài)查詢層次聚類
19.4 pgmsq算法
19.5 實(shí)驗(yàn)
19.6 本章小結(jié)與展望
應(yīng)用篇
第20章 多媒體技術(shù)在數(shù)字圖書館中的應(yīng)用
20.1 引言
20.2 國內(nèi)外數(shù)字圖書館的發(fā)展
20.3 數(shù)字圖書館的優(yōu)勢
20.4 多媒體檢索在數(shù)字圖書館中的重要性
20.5 代表性的數(shù)字圖書館系統(tǒng)
20.6 本章小結(jié)
第21章 網(wǎng)絡(luò)輿情分析與監(jiān)控
21.1 背景和意義
21.2 網(wǎng)絡(luò)輿情概述
21.3 國內(nèi)外研究現(xiàn)狀
21.4 總體框架及體系結(jié)構(gòu)
21.5 關(guān)鍵技術(shù)
21.5.1 基于mashup的輿情信息采集與整合
21.5.2 輿情信息預(yù)處理
21.5.3 輿情信息動(dòng)態(tài)挖掘
21.5.4 輿情服務(wù)
21.6 本章小結(jié)
第22章 基于視覺和感性計(jì)算的網(wǎng)絡(luò)購物——淘淘搜
22.1 背景和意義
22.2 國內(nèi)外技術(shù)現(xiàn)狀
22.3 搜索引擎框架
22.4 系統(tǒng)體系結(jié)構(gòu)
22.5 關(guān)鍵技術(shù)
22.5.1 數(shù)據(jù)采集、過濾及建庫
22.5.2 提取主、客觀特征
22.5.3 搜索引擎設(shè)計(jì)與實(shí)現(xiàn)
22.6 原型系統(tǒng)——淘淘搜
22.7 本章小結(jié)
第23章 移動(dòng)商品視頻搜索——酷搜
23.1 引言
23.2 國內(nèi)外技術(shù)現(xiàn)狀
23.3 關(guān)鍵技術(shù)
23.4 系統(tǒng)分析
23.4.1 功能性需求分析
23.4.2 非功能性需求分析
23.5 系統(tǒng)設(shè)計(jì)
23.5.1 總體結(jié)構(gòu)設(shè)計(jì)
23.5.2 功能模塊設(shè)計(jì)
23.5.3 數(shù)據(jù)庫設(shè)計(jì)
23.6 系統(tǒng)實(shí)現(xiàn)
23.6.1 數(shù)據(jù)采集模塊
23.6.2 數(shù)據(jù)檢索模塊
23.6.3 數(shù)據(jù)顯示模塊
23.6.4 數(shù)據(jù)推送模塊
23.6.5 后臺(tái)管理模塊
23.7 本章小結(jié)
總結(jié)篇
第24章 挑戰(zhàn)及發(fā)展趨勢
24.1 面臨的挑戰(zhàn)
24.2 發(fā)展趨勢
24.3 本章小結(jié)
參考文獻(xiàn)
展開全部
海量網(wǎng)絡(luò)多媒體信息高效處理-概念與技術(shù) 作者簡介
莊毅男，于2008年獲浙江大學(xué)計(jì)算機(jī)應(yīng)用專業(yè)工學(xué)博士學(xué)位，現(xiàn)為浙江工商大學(xué)計(jì)算機(jī)與信息工程學(xué)院副教授。曾獲得2008年度中國計(jì)算機(jī)學(xué)會(huì)優(yōu)秀博士論文獎(jiǎng)、2007～2008年度IBM全球博士生英才獎(jiǎng)（IBM Ph.D Fellowship）和多項(xiàng)省市獎(jiǎng)項(xiàng)，人選浙江省“新世紀(jì)151人才工程”。受IBM Ph.D FelloWship資助，在IBM中國研究院進(jìn)行為期三個(gè)月的實(shí)習(xí)研究。同時(shí)，受國家留學(xué)基金委資助，在加拿大Simon Fraser University進(jìn)行為期一年的訪問研究。主持和參與多項(xiàng)國家自然科學(xué)基金、國家杰出青年基金和浙江省自然科學(xué)基金等項(xiàng)目。擔(dān)任U-Media 2011大會(huì)Workshop聯(lián)合主席，以及多個(gè)國際重要學(xué)術(shù)刊物和會(huì)議的論文評閱人和Workshop程序委員會(huì)主席。已在KAIS、TALIP、JCST、中國科學(xué)、計(jì)算機(jī)學(xué)報(bào)、軟件學(xué)報(bào)、計(jì)算機(jī)研究與發(fā)展和電子學(xué)報(bào)等期刊和ICDCS、EDBT和CIKM等國際會(huì)議發(fā)表論文4O多篇。
書友推薦
- >
名家?guī)阕x魯迅:朝花夕拾
- >
上帝之肋:男人的真實(shí)旅程
- >
中國人在烏蘇里邊疆區(qū):歷史與人類學(xué)概述
- >
中國歷史的瞬間
- >
我與地壇
- >
經(jīng)典常談
- >
唐代進(jìn)士錄
- >
隨園食單
本類暢銷
