基于数据挖掘的监控视频异常目标的识别
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景 | 第10-11页 |
| ·视频数据挖掘概述 | 第11-13页 |
| ·视频挖掘的定义 | 第11页 |
| ·视频挖掘的过程 | 第11页 |
| ·视频挖掘的技术路线 | 第11-12页 |
| ·视频挖掘的应用 | 第12-13页 |
| ·国内外研究现状 | 第13页 |
| ·论文的研究内容 | 第13-15页 |
| ·论文的组织结构 | 第15-16页 |
| 第二章 数据挖掘常用的分类方法 | 第16-24页 |
| ·数据挖掘中的数据分类算法 | 第16-21页 |
| ·决策树分类算法 | 第16-17页 |
| ·贝叶斯分类算法 | 第17-18页 |
| ·人工神经网络分类算法 | 第18-19页 |
| ·K-最近邻分类 | 第19-20页 |
| ·组合单一分类方法的集成学习算法 | 第20页 |
| ·基于关联规则的分类算法 | 第20-21页 |
| ·分类算法的选取 | 第21-22页 |
| ·实验比较 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于关联规则的分类算法 | 第24-32页 |
| ·基于关联规则分类算法的基本步骤 | 第24页 |
| ·关联规则产生 | 第24-30页 |
| ·CBA-RG基本概念 | 第24-26页 |
| ·CBA-RG算法 | 第26-27页 |
| ·事例分析 | 第27-30页 |
| ·分类器构建 | 第30-31页 |
| ·CBA-CB基本概念 | 第30-31页 |
| ·CBA-CB算法 | 第31页 |
| ·本章小结 | 第31-32页 |
| 第四章 基于支持度和置信度智能优化的关联分类算法 | 第32-44页 |
| ·传统关联分类算法存在的问题 | 第32-33页 |
| ·爬山算法 | 第33-34页 |
| ·模拟退火算法 | 第34-35页 |
| ·改进的关联分类算法 | 第35-40页 |
| ·SC算法基本步骤 | 第35-37页 |
| ·能量函数E | 第37-38页 |
| ·扰动算法 | 第38-39页 |
| ·温度更新函数 | 第39-40页 |
| ·实验比较 | 第40-42页 |
| ·本章小结 | 第42-44页 |
| 第五章 具有异常目标识别功能的智能监控系统 | 第44-56页 |
| ·系统框架 | 第44-47页 |
| ·系统功能 | 第47-50页 |
| ·用户系统 | 第47-48页 |
| ·数据挖掘子系统 | 第48-50页 |
| ·关联分类算法在异常目标识别阶段的应用实验 | 第50-54页 |
| ·实验环境 | 第50-51页 |
| ·实验步骤 | 第51-54页 |
| ·本章小结 | 第54-56页 |
| 第六章 总结与展望 | 第56-60页 |
| ·总结 | 第56-57页 |
| ·展望 | 第57-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-68页 |
| 攻读学位期间发表的学术论文 | 第68页 |
