本书较为系统地从数据库层面对海量网络多媒体信息的高效处理进行介绍和讨论。本书分为8篇24章，力求从检索、索引、降维、聚类及并行处理等5个方面在深度和广度上进行阐述，侧重于提高查询效率。同时结合最新的网络多媒体研究现状及发展趋势，进行深入阐述和分析。另外，结合最新应用，如数字图书馆、网络舆情分析与监控及网络购物等进行介绍。 本书可作为高等院校计算机科学、图书情报等专业的研究生或高年级本科生的参考资料或教学用书，对从事海量网络多媒体数据处理研究、应用和开发的广大科技人员也有很大的参考价值。
样章试读
目录
- 序
前言
入门篇
第1章 互联网、多媒体与大数据
1.1 绪论
1.2 本书内容结构
第2章 海量多媒体处理技术综述
2.1 多媒体检索技术
2.2 高维索引技术
2.2.1 集中式高维索引
2.2.2 分布式高维索引
2.3 降维与聚类技术
2.3.1 降维
2.3.2 聚类
2.4 并行检索技术
2.4.1 基于数据分片的负载均衡技术
2.4.2 云计算、网格计算及点对点计算
2.5 有代表性的海量多媒体系统
2.6 本章小结
检索篇
第3章 基于语义特征的多媒体检索
3.1 引言
3.2 文本检索模型
3.2.1 布尔模型
3.2.2 向量空间模型
3.2.3 聚类检索模型
3.2.4 概率模型
3.3 TF×IDF权值
3.4 现有支持语义的多媒体检索系统
3.5 本章小结
第4章 基于内容特征的多媒体检索
4.1 基于内容的图像检索
4.1.1 图像特征提取
4.1.2 图像相似度模型
4.1.3 图像检索中的相关反馈
4.1.4 现有基于内容的图像检索系统
4.2 基于内容的音频检索
4.2.1 音频特征提取
4.2.2 音频例子检索
4.2.3 现有基于内容的音频检索系统
4.3 基于内容的视频检索
4.3.1 视频预处理技术
4.3.2 系统体系结构
4.3.3 视频检索技术
4.3.4 现有基于内容的视频检索系统
4.4 本章小结
第5章 基于多特征的多媒体检索
5.1 基于多特征的图片检索
5.1.1 基于语义和内容的图片检索
5.1.2 基于内容和主观性特征的图片检索
5.1.3 基于多内容特征的书法字图片检索
5.2 基于多特征的音频检索
5.3 基于多特征的视频检索
5.4 本章小结
第6章 跨媒体检索
6.1 引言
6.2 交叉参照图模型
6.3 异构媒体对象相关性挖掘
6.3.1 基于语义标注的方法
6.3.2 基于链接分析的方法
6.3.3 基于异构特征分析的方法
6.3.4 其他方法
6.4 本章小结
第7章 社交媒体检索与推荐
7.1 引言
7.2 国内外研究现状分析
7.3 社交(媒体)对象概率建模
7.4 基于多特征融合的社交图片对象查询与推荐
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
7.5.1 语义特征概率建模
7.5.2 查询算法
7.6 结合视觉特征的社交图片主观性概率查询
7.6.1 主观性特征概率分布模型
7.6.2 查询算法
7.7 结合地理标注信息和视觉特征的社交图片复合查询
7.7.1 基于代价模型的查询策略选择
7.7.2 查询算法
7.8 社交对象的相关性概率查询
7.8.1 交叉关联概率图模型
7.8.2 查询算法
7.9 基于用户偏好概率模型的社交图片个性化推荐
7.9.1 用户偏好概率分布表
7.9.2 个性化推荐算法
7.10 本章小结
第8章 语义网数据检索
8.1 语义网和RDF数据
8.2 RDF数据管理研究现状
8.2.1 SPARQL查询语言
8.2.2 基于关系数据模型
8.2.3 基于图数据模型
8.3 面向RDF的智能检索方法
8.4 本章小结
索引篇
第9章 文本索引
9.1 倒排文件索引
9.2 签名文件索引
9.3 本章小结
第10章 高维索引
10.1 集中式高维索引
10.1.1 基于数据和空间分片的索引方法
10.1.2 基于向量近似表达的索引方法
10.1.3 基于空间填充曲线的索引方法
10.1.4 基于尺度空间的索引方法
10.1.5 基于距离的索引方法
10.1.6 基于数据分布的索引方法
10.1.7 基于LSH函数的索引方法
10.1.8 子空间索引方法
10.2 分布式高维索引
10.3 不确定性高维索引
10.3.1 相关工作
10.3.2 预备工作
10.3.3 ISU-Tree索引
10.3.4 CU-Tree索引
10.4 实例:基于局部距离图的交互式书法字索引
10.4.1 问题定义及动机
10.4.2 局部距离图索引
10.4.3 超球心重定位
10.4.4 索引更新算法
10.4.5 伪k近邻查询算法
10.4.6 实验
10.5 本章小结
第11章 多特征索引
11.1 通用多特征索引
11.2 图片多特征索引
11.2.1 结合语义和内容的多特征索引
11.2.2 基于视觉和主观性特征的商品图片多特征索引
11.2.3 书法字图片多特征索引
11.2.4 社交图片的多特征索引
11.3 音频多特征索引
11.3.1 基于内容的音频多特征索引
11.3.2 基于内容及语义的音频多特征索引
11.4 视频多特征索引
11.4.1 基于多特征哈希的视频索引
11.4.2 基于多特征索引树的视频索引
11.5 跨媒体索引
11.5.1 预备知识
11.5.2 索引生成算法及其可扩展性
11.5.3 查询算法
11.5.4 实验
11.6 社交(媒体)对象的相关性索引
11.7 本章小结
降维篇
第12章 降维技术
12.1 引言
12.2 无监督降维
12.2.1 主成分分析
12.2.2 多维尺度分析
12.2.3 局部保留映射
12.2.4 Isomap降维
12.2.5 其他降维方法
12.3 半监督降维
12.3.1 基于类别标记的方法
12.3.2 基于成对约束的方法
12.3.3 基于其他监督信息的方法
12.4 监督降维
12.4.1 线性判别式分析降维
12.4.2 其他降维方法
12.5 本章小结
聚类篇
第13章 聚类技术
13.1 引言
13.2 基于划分的聚类算法
13.2.1 k-Means算法
13.2.2 k-Medoids算法
13.2.3 k-Modes算法
13.3 基于层次的聚类算法
13.3.1 BIRCH算法
13.3.2 CURE算法
13.3.3 CHAMALEON算法
13.3.4 其他层次聚合算法
13.4 基于密度的聚类算法
13.4.1 DBSCAN算法
13.4.2 OPTICS算法
13.4.3 其他密度聚类算法
13.5 基于网格的聚类算法
13.5.1 STING算法
13.5.2 CLIQUE算法
13.5.3 其他网格聚类算法
13.6 基于模型的聚类算法
13.6.1 MRKD-Tree算法
13.6.2 SOON算法
13.6.3 粒子筛选算法
13.7 其他聚类算法
13.7.1 模糊聚类算法
13.7.2 基于图论的聚类算法
13.7.3 AP聚类算法
13.8 本章小结
第14章 文本聚类
14.1 k平均文本聚类算法
14.2 层次式文本聚类算法
14.3 基于后缀树的Web文本聚类算法
14.4 基于密度的Web文本聚类算法
14.5 本章小结
第15章 图片聚类
15.1 引言
15.2 基于文本特征的Web图片聚类
15.2.1 候选图片聚类名的学习
15.2.2 合并和裁剪聚类名
15.3 基于多特征的Web图片聚类
15.3.1 Web图片的三种表达
15.3.2 使用文本和链接信息聚类
15.4 基于相关性挖掘的Web图片聚类
15.4.1 图片-文本相关性挖掘
15.4.2 图聚类算法
15.5 基于多例学习的Web图片聚类
15.5.1 基于EM的多例聚类算法
15.5.2 启发式迭代优化算法
15.6 基于概率模型的个性化社交图片聚类
15.6.1 问题定义
15.6.2 上下文信息相似度量
15.6.3 用户偏好概率模型
15.6.4 聚类算法
15.7 本章小结
第16章 音频聚类与分类
16.1 引言
16.2 基于拟声词标注的音频聚类
16.2.1 动机
16.2.2 实现
16.3 基于隐马尔可夫模型的音频分类
16.4 其他聚类与分类方法
16.5 本章小结
第17章 视频聚类
17.1 引言
17.2 基于多特征的视频聚类算法
17.2.1 视频信息获取
17.2.2 视频片段相似度量
17.2.3 上下文信息相似度量
17.2.4 聚类处理
17.3 其他视频聚类算法
17.4 本章小结
并行处理篇
第18章 海量多媒体分布式并行相似查询处理
18.1 基于数据网格的k近邻相似查询
18.1.1 预备工作
18.1.2 支撑技术
18.1.3 GkNN查询算法
18.1.4 理论分析
18.1.5 实验
18.1.6 具体应用:基于数据网格的书法字检索
18.2 移动云计算环境下的医学图像查询处理
18.2.1 预备工作
18.2.2 支撑技术
18.2.3 两种索引结构
18.2.4 MiMiC查询算法
18.2.5 实验
18.3 本章小结
第19章 分布式并行环境下的多重相似查询优化
19.1 引言
19.2 预备工作
19.3 动态查询层次聚类
19.4 pGMSQ算法
19.5 实验
19.6 本章小结与展望
应用篇
第20章 多媒体技术在数字图书馆中的应用
20.1 引言
20.2 国内外数字图书馆的发展
20.3 数字图书馆的优势
20.4 多媒体检索在数字图书馆中的重要性
20.5 代表性的数字图书馆系统
20.6 本章小结
第21章 网络舆情分析与监控
21.1 背景和意义
21.2 网络舆情概述
21.3 国内外研究现状
21.4 总体框架及体系结构
21.5 关键技术
21.5.1 基于Mashup的舆情信息采集与整合
21.5.2 舆情信息预处理
21.5.3 舆情信息动态挖掘
21.5.4 舆情服务
21.6 本章小结
第22章 基于视觉和感性计算的网络购物——淘淘搜
22.1 背景和意义
22.2 国内外技术现状
22.3 搜索引擎框架
22.4 系统体系结构
22.5 关键技术
22.5.1 数据采集、过滤及建库
22.5.2 提取主、客观特征
22.5.3 搜索引擎设计与实现
22.6 原型系统——淘淘搜
22.7 本章小结
第23章 移动商品视频搜索——酷搜
23.1 引言
23.2 国内外技术现状
23.3 关键技术
23.4 系统分析
23.4.1 功能性需求分析
23.4.2 非功能性需求分析
23.5 系统设计
23.5.1 总体结构设计
23.5.2 功能模块设计
23.5.3 数据库设计
23.6 系统实现
23.6.1 数据采集模块
23.6.2 数据检索模块
23.6.3 数据显示模块
23.6.4 数据推送模块
23.6.5 后台管理模块
23.7 本章小结
总结篇
第24章 挑战及发展趋势
24.1 面临的挑战
24.2 发展趋势
24.3 本章小结
参考文献
京公网安备 11010102004214号