海量网络多媒体信息高效处理 概念与技术PDF电子书下载

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