海量网络多媒体信息高效处理 概念与技术2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

海量网络多媒体信息高效处理 概念与技术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

入门篇3

第1章 互联网、多媒体与大数据3

1.1绪论3

1.2本书内容结构6

第2章 海量多媒体处理技术综述8

2.1多媒体检索技术8

2.2高维索引技术12

2.2.1集中式高维索引12

2.2.2分布式高维索引13

2.3降维与聚类技术14

2.3.1降维15

2.3.2聚类15

2.4并行检索技术15

2.4.1基于数据分片的负载均衡技术16

2.4.2云计算、网格计算及点对点计算16

2.5有代表性的海量多媒体系统20

2.6本章小结23

检索篇27

第3章 基于语义特征的多媒体检索27

3.1引言27

3.2文本检索模型28

3.2.1布尔模型28

3.2.2向量空间模型29

3.2.3聚类检索模型32

3.2.4概率模型32

3.3 TF×IDF权值33

3.4现有支持语义的多媒体检索系统34

3.5本章小结36

第4章 基于内容特征的多媒体检索37

4.1基于内容的图像检索37

4.1.1图像特征提取37

4.1.2图像相似度模型46

4.1.3图像检索中的相关反馈48

4.1.4现有基于内容的图像检索系统48

4.2基于内容的音频检索50

4.2.1音频特征提取50

4.2.2音频例子检索56

4.2.3现有基于内容的音频检索系统61

4.3基于内容的视频检索61

4.3.1视频预处理技术61

4.3.2系统体系结构64

4.3.3视频检索技术64

4.3.4现有基于内容的视频检索系统67

4.4本章小结70

第5章 基于多特征的多媒体检索71

5.1基于多特征的图片检索71

5.1.1基于语义和内容的图片检索71

5.1.2基于内容和主观性特征的图片检索78

5.1.3基于多内容特征的书法字图片检索89

5.2基于多特征的音频检索97

5.3基于多特征的视频检索97

5.4本章小结99

第6章 跨媒体检索100

6.1引言100

6.2交叉参照图模型101

6.3异构媒体对象相关性挖掘103

6.3.1基于语义标注的方法103

6.3.2基于链接分析的方法104

6.3.3基于异构特征分析的方法105

6.3.4其他方法108

6.4本章小结109

第7章 社交媒体检索与推荐110

7.1引言110

7.2国内外研究现状分析111

7.3社交（媒体）对象概率建模114

7.4基于多特征融合的社交图片对象查询与推荐115

7.5结合视觉特征和标签语义不确定性的社交图片概率查询116

7.5.1语义特征概率建模117

7.5.2查询算法118

7.6结合视觉特征的社交图片主观性概率查询121

7.6.1主观性特征概率分布模型121

7.6.2查询算法121

7.7结合地理标注信息和视觉特征的社交图片复合查询122

7.7.1基于代价模型的查询策略选择123

7.7.2查询算法125

7.8社交对象的相关性概率查询126

7.8.1交叉关联概率图模型126

7.8.2查询算法127

7.9基于用户偏好概率模型的社交图片个性化推荐128

7.9.1用户偏好概率分布表128

7.9.2个性化推荐算法131

7.10本章小结132

第8章 语义网数据检索133

8.1语义网和RDF数据133

8.2 RDF数据管理研究现状136

8.2.1 SPARQL查询语言136

8.2.2基于关系数据模型137

8.2.3基于图数据模型143

8.3面向RDF的智能检索方法146

8.4本章小结148

索引篇151

第9章 文本索引151

9.1倒排文件索引151

9.2签名文件索引152

9.3本章小结153

第10章 高维索引154

10.1集中式高维索引154

10.1.1基于数据和空间分片的索引方法154

10.1.2基于向量近似表达的索引方法156

10.1.3基于空间填充曲线的索引方法156

10.1.4基于尺度空间的索引方法157

10.1.5基于距离的索引方法158

10.1.6基于数据分布的索引方法162

10.1.7基于LSH函数的索引方法163

10.1.8子空间索引方法163

10.2分布式高维索引164

10.3不确定性高维索引166

10.3.1相关工作166

10.3.2预备工作167

10.3.3 ISU-Tree索引168

10.3.4 CU-Tree索引174

10.4实例：基于局部距离图的交互式书法字索引178

10.4.1问题定义及动机178

10.4.2局部距离图索引179

10.4.3超球心重定位182

10.4.4索引更新算法184

10.4.5伪k近邻查询算法185

10.4.6实验186

10.5本章小结189

第11章 多特征索引190

11.1通用多特征索引190

11.2图片多特征索引191

11.2.1结合语义和内容的多特征索引191

11.2.2基于视觉和主观性特征的商品图片多特征索引191

11.2.3书法字图片多特征索引196

11.2.4社交图片的多特征索引203

11.3音频多特征索引208

11.3.1基于内容的音频多特征索引208

11.3.2基于内容及语义的音频多特征索引209

11.4视频多特征索引210

11.4.1基于多特征哈希的视频索引210

11.4.2基于多特征索引树的视频索引210

11.5跨媒体索引211

11.5.1预备知识211

11.5.2索引生成算法及其可扩展性211

11.5.3查询算法216

11.5.4实验217

11.6社交（媒体）对象的相关性索引220

11.7本章小结222

降维篇225

第12章 降维技术225

12.1引言225

12.2无监督降维227

12.2.1主成分分析227

12.2.2多维尺度分析227

12.2.3局部保留映射228

12.2.4 Isomap降维229

12.2.5其他降维方法230

12.3半监督降维230

12.3.1基于类别标记的方法230

12.3.2基于成对约束的方法233

12.3.3基于其他监督信息的方法235

12.4监督降维235

12.4.1线性判别式分析降维235

12.4.2其他降维方法236

12.5本章小结237

聚类篇241

第13章 聚类技术241

13.1引言241

13.2基于划分的聚类算法244

13.2.1 k-Means算法244

13.2.2 k-Medoids算法244

13.2.3 k-Modes算法245

13.3基于层次的聚类算法246

13.3.1 BIRCH算法246

13.3.2 CURE算法246

13.3.3 CHAMALEON算法247

13.3.4其他层次聚合算法247

13.4基于密度的聚类算法247

13.4.1 DBSCAN算法248

13.4.2 OPTICS算法248

13.4.3其他密度聚类算法248

13.5基于网格的聚类算法249

13.5.1 STING算法249

13.5.2 CLIQUE算法249

13.5.3其他网格聚类算法250

13.6基于模型的聚类算法250

13.6.1 MRKD-Tree算法250

13.6.2 SOON算法251

13.6.3粒子筛选算法251

13.7其他聚类算法251

13.7.1模糊聚类算法251

13.7.2基于图论的聚类算法252

13.7.3 AP聚类算法252

13.8本章小结252

第14章 文本聚类253

14.1 k平均文本聚类算法253

14.2层次式文本聚类算法254

14.3基于后缀树的Web文本聚类算法254

14.4基于密度的Web文本聚类算法255

14.5本章小结256

第15章 图片聚类257

15.1引言257

15.2基于文本特征的Web图片聚类257

15.2.1候选图片聚类名的学习257

15.2.2合并和裁剪聚类名258

15.3基于多特征的Web图片聚类258

15.3.1 Web图片的三种表达258

15.3.2使用文本和链接信息聚类262

15.4基于相关性挖掘的Web图片聚类263

15.4.1图片-文本相关性挖掘265

15.4.2图聚类算法266

15.5基于多例学习的Web图片聚类266

15.5.1基于EM的多例聚类算法266

15.5.2启发式迭代优化算法267

15.6基于概率模型的个性化社交图片聚类267

15.6.1问题定义267

15.6.2上下文信息相似度量269

15.6.3用户偏好概率模型270

15.6.4聚类算法270

15.7本章小结272

第16章 音频聚类与分类273

16.1引言273

16.2基于拟声词标注的音频聚类274

16.2.1动机274

16.2.2实现275

16.3基于隐马尔可夫模型的音频分类279

16.4其他聚类与分类方法280

16.5本章小结280

第17章 视频聚类281

17.1引言281

17.2基于多特征的视频聚类算法281

17.2.1视频信息获取282

17.2.2视频片段相似度量282

17.2.3上下文信息相似度量283

17.2.4聚类处理283

17.3其他视频聚类算法285

17.4本章小结285

并行处理篇289

第18章 海量多媒体分布式并行相似查询处理289

18.1基于数据网格的k近邻相似查询289

18.1.1预备工作290

18.1.2支撑技术291

18.1.3 GkNN查询算法297

18.1.4理论分析300

18.1.5实验304

18.1.6具体应用：基于数据网格的书法字检索308

18.2移动云计算环境下的医学图像查询处理310

18.2.1预备工作311

18.2.2支撑技术314

18.2.3两种索引结构324

18.2.4 MiMiC查询算法328

18.2.5实验330

18.3本章小结336

第19章 分布式并行环境下的多重相似查询优化337

19.1引言337

19.2预备工作338

19.3动态查询层次聚类341

19.4 pGMSQ算法342

19.5实验345

19.6本章小结与展望347

应用篇351

第20章 多媒体技术在数字图书馆中的应用351

20.1引言351

20.2国内外数字图书馆的发展353

20.3数字图书馆的优势355

20.4多媒体检索在数字图书馆中的重要性355

20.5代表性的数字图书馆系统356

20.6本章小结359

第21章 网络舆情分析与监控360

21.1背景和意义360

21.2网络舆情概述361

21.3国内外研究现状363

21.4总体框架及体系结构364

21.5关键技术366

21.5.1基于Mashup的舆情信息采集与整合366

21.5.2舆情信息预处理367

21.5.3舆情信息动态挖掘375

21.5.4舆情服务391

21.6本章小结392

第22章 基于视觉和感性计算的网络购物—淘淘搜393

22.1背景和意义393

22.2国内外技术现状393

22.3搜索引擎框架395

22.4系统体系结构396

22.5关键技术397

22.5.1数据采集、过滤及建库397

22.5.2提取主、客观特征400

22.5.3搜索引擎设计与实现401

22.6原型系统——淘淘搜404

22.7本章小结406

第23章 移动商品视频搜索——酷搜407

23.1引言407

23.2国内外技术现状408

23.3关键技术409

23.4系统分析410

23.4.1功能性需求分析410

23.4.2非功能性需求分析410

23.5系统设计411

23.5.1总体结构设计411

23.5.2功能模块设计412

23.5.3数据库设计413

23.6系统实现415

23.6.1数据采集模块415

23.6.2数据检索模块416

23.6.3数据显示模块417

23.6.4数据推送模块418

23.6.5后台管理模块419

23.7本章小结420

总结篇423

第24章 挑战及发展趋势423

24.1面临的挑战423

24.2发展趋势425

24.3本章小结427

参考文献428