新書推薦：
《
银元时代生活史
》
售價：HK$
105.6
《
大唐兴衰三百年3：从女主当国到开元盛世
》
售價：HK$
69.6
《
直击核心：通向卓越教练之路的革命性方法
》
售價：HK$
117.6
《
高性能储能器件电解质：设计、制备与应用
》
售價：HK$
105.6
《
四时如意 国风纹样线描涂色集
》
售價：HK$
59.8
《
活下去才是硬道理：华为的36条生存法则
》
售價：HK$
93.6
《
森林：保护6万种树木的家
》
售價：HK$
86.4
《
数字经济：“数字中国”顶层规划与实践路径
》
售價：HK$
82.8
|
| 編輯推薦： |
|
本书的内容中有一部分内容反映了场景图像情感语义分析和检索的*研究成果、研究方法和研究动向，在理论体系和方法上均有创新，构建了场景图像情感语义关键技术分析的平台。
|
| 內容簡介： |
|
《大规模场景图像的情感语义分析若干关键技术研究》内容简介：本书围绕场景图像的情感语义理解展开研究，从情感语义数据的获取、自动标注、情感语义类别的预测及大规模场景图像数据的高效检索等方面进行了探讨和研究，系统地阐述了场景图像情感语义分析的关键技术。从理论上，对场景图像蕴含的情感语义进行了抽象、分析和形式化表示；在实践上，搭建了实验平台进行了验证和分析，为各类图像数据的情感语义理解提供了新的思路和途径。全书集理论、技术、方法及实践于一体，具有较强的理论性和实践性，反映了当前该理论的*研究成果。
|
| 關於作者： |
作者：曹建芳
曹建芳，教授。1999年7月毕业于太原理工大学计算机科学与技术系，2005年7月获山西大学计算机应用技术硕士学位，2015年7月获太原理工大学计算机科学与技术博士学位，主要研究领域为数字图像的语义理解。主持山西省自然科学基金一项（No. 2013011017-2），山西省高校科技创新项目一项（No. 2013150），并主要参与了一项国家自然科学基金项目（No. 61202163）的研究。现已发表学术论文30余篇，其中SCI、EI两大检索计17篇。
|
| 目錄：
|
目录
第1 章绪论001
1.1 研究背景与意义001
1.1.1 研究背景001
1.1.2 研究意义005
1.2 国内外研究现状007
1.2.1 图像的情感语义分析007
1.2.2 图像检索技术研究现状014
1.3 本书主要工作017
1.3.1 场景图像的情感语义特征提取研究018
1.3.2 基于模糊理论的场景图像自动标注方法研究018
1.3.3 场景图像的情感类别预测研究019
1.3.4 基于MapReduce 的大规模场景图像检索技术研究020
1.4 本书组织结构020
1.5 本章小结022
第2 章大数据处理与图像检索023
2.1 大数据的种类、特点和应用023
2.1.1 大数据的种类023
2.1.2 大数据的特点025
2.1.3 大数据的应用026
2.2 大数据处理面临的问题029
2.3 大数据处理与图像检索的关系030
2.4 本章小结032
第3 章开放行为学实验环境下的场景图像情感语义分析033
3.1 图像情感语义理解的相关概念033
3.1.1 情感与情感计算033
3.1.2 情感建模034
3.1.3 图像情感语义分析035
3.1.4 图像情感语义标注036
3.1.5 图像情感语义检索037
3.2 图像语义层次模型038
3.3 开放行为学实验环境下场景图像的情感语义分析040
3.3.1 情感模型的选择040
3.3.2 被试的选取042
3.3.3 实验数据和方案设计043
3.3.4 场景图像情感语义数据分析方法044
3.3.5 场景图像的情感语义数据实验分析045
3.4 图像分析和检索的性能评测049
3.5 本章小结051
第4 章基于模糊理论的场景图像情感语义标注方法052
4.1 模糊理论052
4.1.1 概述052
4.1.2 基本定义054
4.2 颜色视觉特征提取055
4.2.1 颜色空间的选取055
4.2.2 HSV 颜色空间量化058
4.2.3 基于权重的不规则分块场景图像颜色特征提取059
4.3 场景图像的模糊语义描述061
4.3.1 情感值的确定061
4.3.2 情感规则G062
4.3.3 情感规则映射T 063
4.4 基于T-S模糊神经网络的场景图像的情感语义特征映射063
4.4.1 T-S 模糊神经网络（T-S FNN） 064
4.4.2 语义特征映射066
4.5 场景图像的情感语义自动标注069
4.6 实验结果及分析070
4.7 本章小结072
第5 章基于Adaboost-PSO-BP 神经网络的场景图像情感语义类别预测
算法074
5.1 融合情绪、性格因素的OCC情感模型074
5.1.1 情绪因素描述075
5.1.2 性格因素描述078
5.1.3 融合情绪、性格因素的情感建模方法079
5.2 BP神经网络权值和阈值的优化080
5.2.1 BP 神经网络080
5.2.2 粒子群优化算法（PSO）优化BP 神经网络082
5.3 Adaboost-PSO-BP神经网络预测算法085
5.3.1 Adaboost 算法085
5.3.2 Adaboost-PSO-BP 神经网络算法085
5.4 场景图像情感语义类别预测087
5.5 实验结果与讨论088
5.6 本章小结092
第6 章基于MapReduce 的大规模场景图像检索技术093
6.1 Hadoop平台相关技术介绍093
6.1.1 Hadoop 的起源和背景093
6.1.2 HDFS 体系结构095
6.1.3 MapReduce 编程模型096
6.1.4 Mahout 算法库098
6.2 基于MapReduce的大规模场景图像检索方案101
6.2.1 场景图像检索整体框架101
6.2.2 大规模场景图像及其特征的存储104
6.2.3 场景图像的特征提取106
6.2.4 基于分布式Mean Shift 的场景图像特征聚类算法106
6.3 实验与结果分析110
6.3.1 实验环境与测试数据110
6.3.2 系统性能测试与分析110
6.4 本章小结115
第7 章总结与展望116
7.1 本书工作总结116
7.2 研究展望118
参考文献120
|
| 內容試閱：
|
前言
随着多媒体技术、互联网技术及社交网络的迅速发展，人们可以访问的信息资源空前丰富。图像数据因其形象直观、蕴含信息综合性强等特点，应用领域逐渐增多，其数量更是以惊人的速度增长。但图像数据本身结构的复杂性、蕴含信息的多样性及时空的多维性导致如何有效组织和管理大规模图像数据、快速检索用户需求的图像成为学术界的研究热点。为此，图像的情感语义分析和检索技术应运而生，它综合人工智能、计算机视觉、模式识别、心理学及数据库管理等领域的相关知识，对图像数据蕴含的高层情感语义进行分析，旨在获得图像蕴含的内在情感语义信息，建立实用性强的图像检索系统。因此，对图像进行情感语义分析和高效检索技术的研究有着广阔的应用前景和实用价值。
本书以场景图像为研究对象，对SUN Database中的各类场景图像进行有针对性的情感语义分析和检索方法研究。从建立开学行为学实验环境下的场景图像情感语义数据获取平台开始，选择并改进了OCC情感模型，分析了场景图像语义理解方面存在的语义模糊性问题，采用粒子群（PSO）算法优化BP神经网络的权值和阈值，并由Adaboost算法组合15个BP神经
网络的输出结果，构建强预测器，对场景图像的情感语义类别进行预测，搭建了适合大数据处理的基于MapReduce并行编程模型的场景图像检索平台，系统地研究了场景图像的情感语义分析和检索方法。
全书共分为七章：第1章是绪论，介绍了场景图像情感语义分析的研究现状和本书的研究内容、组织结构；第2章介绍了大数据处理与图像检索之间的关系；第3章探讨了开放行为学实验环境下的场景图像情感语义分析方法；第4章研究了基于模糊理论的场景图像情感语义标注方法；第5章对基于Adaboost-PSO-BP神经网络的场景图像情感语义类别预测算法进
行了探讨；第6章研究了基于MapReduce并行编程模型的大规模场景图像检索技术；第7章对本书的研究工作进行了总结和展望。
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
