多媒体数据挖掘的体系结构和方法

提出了一个多媒体数据挖掘系统的一般结构(M3)，包括多媒体数据库(MD)、多媒体挖掘引擎(MME)和多媒体挖掘界面(MMI)，重点分析了几种挖掘方法（分类、关联和聚类）在多媒体挖掘中的应用。针对不同的媒体，如图像、音频、视频，讨论了各自的挖掘特点和主要挖掘内容。

多媒体数据挖掘中数据间的相似性度量研究

聚类是多媒体数据挖掘的重要任务之一,数据之间的相似性度量是聚类的基础和前提。多媒体数据的特征矢量通常都是数十维甚至数百维的,但传统的相似度量方式一般只适用于低维数据。在分析高维数据特性的基础上,提出了一个新的度量方式。通过使用一个特定的策略对原始数据空间进行网格划分,该方法较好地避免了噪声数据对高维数据相似性度量的影响。实验证明此方法是有效的。

多媒体数据挖掘技术研究

多媒体数据挖掘的系统原型,详细论述了多媒体图像数据挖掘和多媒体文本数据挖掘的过程和方法。

基于Web服务的多媒体数据挖掘系统设计

分析了多媒体数据挖掘和Web挖掘技术,提出了一个融合了Web多媒体信息挖掘和Web多媒体数据挖掘服务功能为一体的Web服务多媒体数据挖掘系统的设计思路,并分析图像、视频和音频的核心关联规则。

数字图书馆中多媒体数据挖掘技术研究

多媒体数据挖掘技术是数字图书馆的核心技术,可以帮助人们检索到文本信息、视频信息,能够为读者提供更加优质的服务.就多媒体数据挖掘技术的相关概念以及内容进行阐述,分析数字图书馆中多媒体数据挖掘技术系统结构,并探讨多媒体数据挖掘技术的应用,以便提高多媒体数据挖掘技术在数字图书馆中的应用效率.

基于多媒体数据挖掘的多通道检索技术

首先介绍多媒体数据挖掘的过程,接着分析了多媒体信息的多通道检索的体系结构和多通道检索流程图.针对多媒体信息内容的复杂性,文章的第四部分介绍了多媒体关联规则挖掘算法,对将其应用于多通道检索进行了初步探讨.

基于分层向量距离的实时多媒体数据挖掘模型

论文构造了一个实时多媒体数据挖掘模型,提出了一种原始视频数据进行数据挖掘的新机制,主要采用分层向量距离来进行动态可控序列分析分割、段内特征提取,使用粒子群K均值进行段间聚集,在一定程度上,解决了多媒体数据挖掘各方面的特殊要求。挖掘模型中各个部分与提出的技术相结合,基本上能满足实时情况下处理原始视频数据的要求。

基于WEB的多媒体数据挖掘的研究

研究多媒体形式的数据的挖掘是目前一个很前沿的课题,它涉及到很多的领域包括网络、多媒体的技术、数据库以及关于知识的决策等。基于通常的一些数据库中所含的数据与多媒体的数据在一些特性上存在很多的不同点,也就使得在数据的挖掘上应用一些相对常规的方法没有办法实现特性上区别挖掘。这就需要研究出能够适用于挖掘多媒体数据的方法以及相应的技术。本研究介绍的是基于WEB技术实现多媒体数据的挖掘。

多媒体数据挖掘技术在数字图书馆馆藏资源开发利用中的应用

在数字图书馆馆藏资源开发利用当中,数据挖掘技术是一项核心技术,通过该项技术可以挖掘出长期闲置的珍贵数据资源。随着多媒体技术的不断兴起,多位学者将多媒体技术与其它软件技术进行结合,将多媒体技术与数据挖掘技术进行结合,通过利用多媒体数据挖掘技术对数字图书馆馆藏资源开发利用进行分析,为提高数字图书馆服务水平奠定基础。

基于Web的多媒体数据挖掘技术研究

提出了一个基于Web的多媒体数据挖掘系统的框架结构模型,一种联合查询的优化方案和一种多媒体数据挖掘算法。该模型首先通过多媒体概念检索技术智能化地在Internet上搜索Web页面,通过向量空间模型进行多媒体信息检索,最后将检索的结果传送给用户。

多媒体数据库的管理与数据挖掘研究

随着多媒体技术和数据库技术的发展,多媒体数据库的管理和数据挖掘技术都取得了很大的进展。目前,对于多媒体数据库的挖掘正日益成为研究热点。介绍多媒体数据库管理系统概念上讨论对其进行数据挖掘的问题,主要是对文本、图像、音频和视频数据挖掘的讨论。

基于多媒体数据库的数据挖掘模型和方法

多媒体挖掘是数据挖掘的一个新兴且富有挑战性的子领域。多媒体挖掘的概念、内容和方法都没有一个统一的定论,多媒体挖掘的体系结构和框架有待于进一步研究。基于此,介绍了一种适合多媒体挖掘的系统模型;阐述了与模型相关的多媒体挖掘方法:多媒体数据立方体、聚类、分类和关联规则;最后给出了采用关联规则数据挖掘方法对多媒体数据库进行数据挖掘的实例。

多媒体数据挖掘与分析

近年来，随着互联网的快速发展，多媒体数据挖掘技术也越来越受到人们的重视。随着研究的深入及应用范围的快速扩大，多媒体数据挖掘技术所关注的焦点也发生了不小的变化：除了传统的对多媒体搜索算法的一系列优化外，新的研究方向还包括对社交网络数据、移动设备数据的获取与处理，以及利用传感器对环境和位置信息数据的感知等。一方面，如此丰富的海量数据使得该领域的研究具有巨大的潜力和价值；而另一方面，如此多的数据也使得用户的隐私信息面临着巨大的风险。

对多媒体挖掘理论与实力的分析

本文阐述了多媒体挖掘的概念、系统构成、基本步骤以及挖掘多媒体的主要技术 ,重点介绍了一个多媒体挖掘原型MultiMediaMiner,并对其现存问题进行了分析 。

图象数据关联规则挖掘

本文在介绍了多媒体数据挖掘基本思想和图象数据主要特征基础之上 ,对图象数据关联规则挖掘进行了讨论 .首先对关联规则挖掘有关问题加以描述和分析 ,针对图象数据 ,定义了新的关联规则及其有关概念 ,并给出考虑项数量的原子特征和空间关系关联规则挖掘算法 Max Occur和 MAR- Spatial。

图像数据挖掘之研究

从介绍一个图像数据挖掘可以采用的系统原型出发,对图像数据挖掘的常用方法和基本过程进行了详细的阐述。

视频挖掘技术综述

随着视频数据越来越容易获取和存储,视频数据的有效利用问题日益突出。视频数据挖掘近年来受到了国内外研究人员的极大关注。它旨在提取视频数据的语义信息并挖掘出隐含其中的有用模式和知识,从而实现智能视频应用,辅助人们决策。通过对国内外研究进展的跟踪分析,归纳了视频挖掘的概念,并对其实现方法和应用领域做了较为详细的总结和讨论,指出了视频挖掘技术研究所面临的挑战。

辅助决策的新闻视频挖掘

新闻视频是一种丰富的信息源,对其进行有效的挖掘将有力地辅助决策分析。本文从多媒体信息系统的角度出发,深入思考了辅助决策的新闻视频的挖掘内容和挖掘方法,主要解决了以下两个问题:即挖掘什么和如何去挖的问题。指出辅助决策的新闻视频挖掘的内容应包括结构挖掘、语义事件挖掘、趋势挖掘、关联规则挖掘以及决策者兴趣点挖掘等等;并以一个具体的例子来说明新闻视频挖掘的各种方法,如结构的分割、语义事件的探测、新闻故事重要度的判定、专题的统计分析以及模式的可视化等等。本文较好地实现了新闻视频的内容分析与挖掘的结合,初步的实验证明了提出的新闻视频挖掘方法在辅助决策方面具有有效性。

视频挖掘研究进展

视频挖掘技术近年来受到了国内外研究者的逐渐关注,但研究还处于初步阶段,实际的应用系统很少,有关概念、系统结构和技术方法仍需深入研究。在回顾国内外研究动态的基础上,对视频挖掘的研究现状进行了归纳、评述;探讨了视频挖掘的概念,清理了视频挖掘与相关技术的联系与区别;展望了视频挖掘研究中的重点问题和解决思路。