掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
多媒體數據挖掘系統引論 版權信息
- ISBN：9787030571861
- 條形碼：9787030571861 ; 978-7-03-057186-1
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
多媒體數據挖掘系統引論 本書特色
本書全面系統地介紹了多媒體數據挖掘的基本概念與經典體系結構，多媒體數據挖掘的基本理論（包括多媒體數據特征和知識表示、統計數據挖掘理論和基于軟計算的理論），多媒體數據挖掘理論解決實際多媒體數據挖掘問題的具體實例（包括圖像檢索和挖掘、圖像語義標注、視頻檢索，以及音頻分類）等。同時，介紹了多媒體數據挖掘的**研究成果和應用前景。
多媒體數據挖掘系統引論 內容簡介
本書全面系統地介紹了多媒體數據挖掘的基本概念與經典體系結構，多媒體數據挖掘的基本理論（包括多媒體數據特征和知識表示、統計數據挖掘理論和基于軟計算的理論），多媒體數據挖掘理論解決實際多媒體數據挖掘問題的具體實例（包括圖像檢索和挖掘、圖像語義標注、視頻檢索，以及音頻分類）等。同時，介紹了多媒體數據挖掘的**研究成果和應用前景。
多媒體數據挖掘系統引論 目錄
《信息科學技術學術著作叢書》序
原書序
前言
**部分 引論
第1章 簡介
1.1 多媒體數據挖掘定義
1.2 多媒體數據挖掘系統經典體系結構
1.3 本書內容與組織
1.4 本書受眾
1.5 進一步讀物
第二部分 理論和技術
第2章 多媒體數據特征與知識表示
2.1 引言
2.2 基本概念
2.2.1 數字采樣
2.2.2 媒體數據類型
2.3 特征表示
2.3.1 統計特征
2.3.2 幾何特征
2.3.3 元特征
2.4 知識表示
2.4.1 邏輯表示
2.4.2 語義網絡
2.4.3 框架
2.4.4 約束
2.4.5 不確定性表示
2.5 小結
第3章 統計數據挖掘理論與技術
3.1 引言
3.2 貝葉斯學習
3.2.1 貝葉斯定理
3.2.2 貝葉斯*優分類器
3.2.3 Gibbs抽樣算法
3.2.4 樸素貝葉斯分類器
3.2.5 貝葉斯信念網絡
3.3 概率潛在語義分析
3.3.1 潛在語義分析
3.3.2 潛在語義分析概率擴展
3.3.3 基于期望*大化的模型擬合
3.3.4 潛在概率空間與概率潛在語義分析
3.3.5 模型過擬合與強化的期望*大化算法
3.4 用于離散數據分析的隱含狄利克雷分配模型
3.4.1 隱含狄利克雷分配模型
3.4.2 與其他隱變量模型關系
3.4.3 隱含狄利克雷分配模型推理
3.4.4 隱含狄利克雷分配模型參數估計
3.5 層次狄利克雷過程
3.6 多媒體數據挖掘中的應用
3.7 支持向量機
3.8 面向結構化輸出空間的*大間隔學習
3.9 Boosting
3.10 多示例學習
3.10.1 構建語義詞空間與圖像視覺代表對象空間映射
3.10.2 詞到圖像的查詢
3.10.3 圖像到圖像的查詢
3.10.4 圖像到單詞的查詢
3.10.5 多模態查詢
3.10.6 可擴展性分析
3.10.7 適應性分析
3.11 半監督學習
3.11.1 監督學習
3.11.2 半監督學習
3.11.3 半參數正則化*小二乘
3.11.4 半參數正則化支持向量機
3.11.5 半參數正則化算法
3.11.6 直推方法與半監督學習
3.11.7 與其他方法的比較
3.12 小結
第4章 基于軟計算的理論與技術
4.1 引言
4.2 軟計算方法特點
4.3 模糊集理論
4.3.1 模糊集基本概念和性質
4.3.2 模糊邏輯和模糊推理規則
4.3.3 模糊集在多媒體數據挖掘中的應用
4.4 人工神經網絡
4.4.1 神經網絡基本結構
4.4.2 神經網絡中的監督學習
4.4.3 神經網絡中的強化學習
4.5 遺傳算法
4.5.1 遺傳算法簡述
4.5.2 遺傳算法極值搜索與傳統極值搜索方法比較
4.6 小結
第三部分 多媒體數據挖掘應用實例
第5章 圖像數據庫建模——語義庫訓練
5.1 引言
5.2 研究背景
5.3 相關工作
5.4 圖像特征和視覺詞典
5.4.1 圖像特征
5.4.2 視覺詞典
5.5 α-語義圖與語義庫模糊模型
5.5.1 α-語義圖
5.5.2 語義庫模糊模型
5.6 基于分類的檢索算法
5.7 實驗結果
5.7.1 給定數據庫上的分類性能
5.7.2 基于分類的檢索結果
5.8 小結
第6章 圖像數據庫建模——潛在語義概念發現
6.1 引言
6.2 研究背景和相關工作
6.3 基于區域的圖像表示
6.3.1 圖像分割
6.3.2 視覺符號目錄
6.4 概率潛在語義模型
6.4.1 概率數據庫模型
6.4.2 使用期望*大化構建模型
6.4.3 概念數估計
6.5 基于后驗概率的圖像挖掘與檢索
6.6 算法分析
6.7 實驗結果
6.8 小結
第7章 圖像數據挖掘和概念發現的多模態方法
7.1 引言
7.2 研究背景
7.3 相關工作
7.4 概率語義模型
7.4.1 概率語義標注圖像模型
7.4.2 基于期望*大化的模型擬合過程
7.4.3 概念數估計
7.5 基于模型的圖像語義標注與多模態圖像挖掘和檢索
7.5.1 圖像語義標注與圖像到文本查詢
7.5.2 文本到圖像查詢
7.6 實驗
7.6.1 數據庫與特征集合
7.6.2 評估度量
7.6.3 圖像自動語義標注結果
7.6.4 單個文本到圖像的查詢結果
7.6.5 圖像到圖像的查詢結果
7.6.6 與純文本查詢方法的性能比較結果
7.7 小結
第8章 視頻數據庫概念發現與挖掘
8.1 引言
8.2 研究背景
8.3 相關工作
8.4 視頻分類
8.4.1 樸素貝葉斯分類器
8.4.2 *大熵分類器
8.4.3 支持向量機分類器
8.4.4 基于元數據與基于內容的分類器組合
8.5 查詢分類
8.6 實驗
8.6.1 數據集
8.6.2 視頻分類結果
8.6.3 查詢分類結果
8.6.4 查找相關性結果
8.7 小結
第9章 音頻數據庫概念發現與挖掘
9.1 引言
9.2 研究背景與相關工作
9.3 特征抽取
9.4 分類方法
9.5 實驗結果
9.6 小結
參考文獻
展開全部
書友推薦
- >
二體千字文
- >
有舍有得是人生
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
苦雨齋序跋文-周作人自編集
- >
【精裝繪本】畫給孩子的中國神話
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
我與地壇
- >
山海經
本類暢銷
