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