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
海量網絡多媒體信息高效處理-概念與技術 版權信息
- ISBN：9787030374158
- 條形碼：9787030374158 ; 978-7-03-037415-8
- 裝幀：暫無
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
海量網絡多媒體信息高效處理-概念與技術 本書特色
《海量網絡多媒體信息高效處理--概念與技術》由莊毅所著，本書較為系統地從數據庫層面對網絡多媒體信息檢索、索引、降維、聚類及并行化處理等技術進行介紹，側重于提高查詢效率。同時結合*新的網絡多媒體研究現狀及發展趨勢，進行深入闡述和分析。*后，結合*新應用，對諸如數字圖書館、網絡輿情分析與監控及網絡購物等進行了介紹。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進行闡述。
海量網絡多媒體信息高效處理-概念與技術 內容簡介
本書較為系統地從數據庫層面對海量網絡多媒體信息的高效處理進行介紹和討論。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個方面在深度和廣度上進行闡述，側重于提高查詢效率。同時結合*新的網絡多媒體研究現狀及發展趨勢，進行深入闡述和分析。另外，結合*新應用，如數字圖書館、網絡輿情分析與監控及網絡購物等進行介紹。 本書可作為高等院校計算機科學、圖書情報等專業的研究生或高年級本科生的參考資料或教學用書，對從事海量網絡多媒體數據處理研究、應用和開發的廣大科技人員也有很大的參考價值。
海量網絡多媒體信息高效處理-概念與技術 目錄
序
前言
入門篇
第1章 互聯網、多媒體與大數據
1.1 緒論
1.2 本書內容結構
第2章 海量多媒體處理技術綜述
2.1 多媒體檢索技術
2.2 高維索引技術
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
2.3.1 降維
2.3.2 聚類
2.4 并行檢索技術
2.4.1 基于數據分片的負載均衡技術
2.4.2 云計算、網格計算及點對點計算
2.5 有代表性的海量多媒體系統
2.6 本章小結
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權值
3.4 現有支持語義的多媒體檢索系統
3.5 本章小結
第4章 基于內容特征的多媒體檢索
4.1 基于內容的圖像檢索
4.1.1 圖像特征提取
4.1.2 圖像相似度模型
4.1.3 圖像檢索中的相關反饋
4.1.4 現有基于內容的圖像檢索系統
4.2 基于內容的音頻檢索
4.2.1 音頻特征提取
4.2.2 音頻例子檢索
4.2.3 現有基于內容的音頻檢索系統
4.3 基于內容的視頻檢索
4.3.1 視頻預處理技術
4.3.2 系統體系結構
4.3.3 視頻檢索技術
4.3.4 現有基于內容的視頻檢索系統
4.4 本章小結
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 基于語義和內容的圖片檢索
5.1.2 基于內容和主觀性特征的圖片檢索
5.1.3 基于多內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
第6章 跨媒體檢索
6.1 引言
6.2 交叉參照圖模型
6.3 異構媒體對象相關性挖掘
6.3.1 基于語義標注的方法
6.3.2 基于鏈接分析的方法
6.3.3 基于異構特征分析的方法
6.3.4 其他方法
6.4 本章小結
第7章 社交媒體檢索與推薦
7.1 引言
7.2 國內外研究現狀分析
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 結合視覺特征和標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 結合地理標注信息和視覺特征的社交圖片復合查詢
7.7.1 基于代價模型的查詢策略選擇
7.7.2 查詢算法
7.8 社交對象的相關性概率查詢
7.8.1 交叉關聯概率圖模型
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性化推薦
7.9.1 用戶偏好概率分布表
7.9.2 個性化推薦算法
7.10 本章小結
第8章 語義網數據檢索
8.1 語義網和rdf數據
8.2 rdf數據管理研究現狀
8.2.1 sparql查詢語言
8.2.2 基于關系數據模型
8.2.3 基于圖數據模型
8.3 面向rdf的智能檢索方法
8.4 本章小結
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
第10章 高維索引
10.1 集中式高維索引
10.1.1 基于數據和空間分片的索引方法
10.1.2 基于向量近似表達的索引方法
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 基于數據分布的索引方法
10.1.7 基于lsh函數的索引方法
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 相關工作
10.3.2 預備工作
10.3.3 isu-tree索引
10.3.4 cu-tree索引
10.4 實例:基于局部距離圖的交互式書法字索引
10.4.1 問題定義及動機
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 實驗
10.5 本章小結
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 結合語義和內容的多特征索引
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 基于內容的音頻多特征索引
11.3.2 基于內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 預備知識
11.5.2 索引生成算法及其可擴展性
11.5.3 查詢算法
11.5.4 實驗
11.6 社交(媒體)對象的相關性索引
11.7 本章小結
降維篇
第12章 降維技術
12.1 引言
12.2 無監督降維
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 半監督降維
12.3.1 基于類別標記的方法
12.3.2 基于成對約束的方法
12.3.3 基于其他監督信息的方法
12.4 監督降維
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
聚類篇
第13章 聚類技術
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 基于網格的聚類算法
13.5.1 sting算法
13.5.2 clique算法
13.5.3 其他網格聚類算法
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
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
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習
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
15.3.2 使用文本和鏈接信息聚類
15.4 基于相關性挖掘的web圖片聚類
15.4.1 圖片-文本相關性挖掘
15.4.2 圖聚類算法
15.5 基于多例學習的web圖片聚類
15.5.1 基于em的多例聚類算法
15.5.2 啟發式迭代優化算法
15.6 基于概率模型的個性化社交圖片聚類
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
第16章 音頻聚類與分類
16.1 引言
16.2 基于擬聲詞標注的音頻聚類
16.2.1 動機
16.2.2 實現
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
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
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 基于數據網格的k近鄰相似查詢
18.1.1 預備工作
18.1.2 支撐技術
18.1.3 gknn查詢算法
18.1.4 理論分析
18.1.5 實驗
18.1.6 具體應用:基于數據網格的書法字檢索
18.2 移動云計算環境下的醫學圖像查詢處理
18.2.1 預備工作
18.2.2 支撐技術
18.2.3 兩種索引結構
18.2.4 mimic查詢算法
18.2.5 實驗
18.3 本章小結
第19章 分布式并行環境下的多重相似查詢優化
19.1 引言
19.2 預備工作
19.3 動態查詢層次聚類
19.4 pgmsq算法
19.5 實驗
19.6 本章小結與展望
應用篇
第20章 多媒體技術在數字圖書館中的應用
20.1 引言
20.2 國內外數字圖書館的發展
20.3 數字圖書館的優勢
20.4 多媒體檢索在數字圖書館中的重要性
20.5 代表性的數字圖書館系統
20.6 本章小結
第21章 網絡輿情分析與監控
21.1 背景和意義
21.2 網絡輿情概述
21.3 國內外研究現狀
21.4 總體框架及體系結構
21.5 關鍵技術
21.5.1 基于mashup的輿情信息采集與整合
21.5.2 輿情信息預處理
21.5.3 輿情信息動態挖掘
21.5.4 輿情服務
21.6 本章小結
第22章 基于視覺和感性計算的網絡購物——淘淘搜
22.1 背景和意義
22.2 國內外技術現狀
22.3 搜索引擎框架
22.4 系統體系結構
22.5 關鍵技術
22.5.1 數據采集、過濾及建庫
22.5.2 提取主、客觀特征
22.5.3 搜索引擎設計與實現
22.6 原型系統——淘淘搜
22.7 本章小結
第23章 移動商品視頻搜索——酷搜
23.1 引言
23.2 國內外技術現狀
23.3 關鍵技術
23.4 系統分析
23.4.1 功能性需求分析
23.4.2 非功能性需求分析
23.5 系統設計
23.5.1 總體結構設計
23.5.2 功能模塊設計
23.5.3 數據庫設計
23.6 系統實現
23.6.1 數據采集模塊
23.6.2 數據檢索模塊
23.6.3 數據顯示模塊
23.6.4 數據推送模塊
23.6.5 后臺管理模塊
23.7 本章小結
總結篇
第24章 挑戰及發展趨勢
24.1 面臨的挑戰
24.2 發展趨勢
24.3 本章小結
參考文獻
展開全部
海量網絡多媒體信息高效處理-概念與技術 作者簡介
莊毅男，于2008年獲浙江大學計算機應用專業工學博士學位，現為浙江工商大學計算機與信息工程學院副教授。曾獲得2008年度中國計算機學會優秀博士論文獎、2007～2008年度IBM全球博士生英才獎（IBM Ph.D Fellowship）和多項省市獎項，人選浙江省“新世紀151人才工程”。受IBM Ph.D FelloWship資助，在IBM中國研究院進行為期三個月的實習研究。同時，受國家留學基金委資助，在加拿大Simon Fraser University進行為期一年的訪問研究。主持和參與多項國家自然科學基金、國家杰出青年基金和浙江省自然科學基金等項目。擔任U-Media 2011大會Workshop聯合主席，以及多個國際重要學術刊物和會議的論文評閱人和Workshop程序委員會主席。已在KAIS、TALIP、JCST、中國科學、計算機學報、軟件學報、計算機研究與發展和電子學報等期刊和ICDCS、EDBT和CIKM等國際會議發表論文4O多篇。
書友推薦
- >
羅曼·羅蘭讀書隨筆-精裝
- >
煙與鏡
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
龍榆生：詞曲概論/大家小書
- >
隨園食單
- >
詩經-先民的歌唱
- >
月亮與六便士
- >
李白與唐代文化
本類暢銷
