基于统计学习的人工智能在数字游戏和数字娱乐上的应用
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·引言 | 第8-9页 |
| ·数字游戏和娱乐发展现状 | 第9页 |
| ·人工智能发展现状 | 第9-10页 |
| ·本文的研究成果和意义 | 第10-11页 |
| ·本文的组织结构 | 第11-13页 |
| 第二章 数字游戏中的人工智能 | 第13-37页 |
| ·智能游戏的变革 | 第13-24页 |
| ·智能的幻觉 | 第24-29页 |
| ·解决正确的问题 | 第29-35页 |
| ·小结 | 第35-37页 |
| 第三章 支持向量机 | 第37-51页 |
| ·支持向量机介绍 | 第37-38页 |
| ·经验风险最小化 | 第38-41页 |
| ·期望风险与经验风险 | 第38-39页 |
| ·VC维数 | 第39-40页 |
| ·风险边界 | 第40-41页 |
| ·结构风险最小化 | 第41-42页 |
| ·构造支持向量机 | 第42-50页 |
| ·线性支持向量机 | 第43-46页 |
| ·线性不可分支持向量机 | 第46-48页 |
| ·非线性支持向量机 | 第48-50页 |
| ·小结 | 第50-51页 |
| 第四章 基于统计学习的围棋人机对弈系统 | 第51-64页 |
| ·围棋游戏简介 | 第51-52页 |
| ·起源 | 第51页 |
| ·基本规则及棋力计算方式 | 第51-52页 |
| ·围棋人机对弈的基本原理 | 第52-53页 |
| ·电脑围棋的难点和研究现状 | 第53-58页 |
| ·电脑围棋的难点 | 第53-56页 |
| ·各电脑围棋程序概况 | 第56-58页 |
| ·基于统计学习的围棋人机对弈系统 | 第58-63页 |
| ·表示 | 第58-59页 |
| ·共同命运图 | 第59-60页 |
| ·提取着点特征 | 第60-61页 |
| ·实验建立与结果 | 第61-63页 |
| ·小结 | 第63-64页 |
| 第五章 基于SVM的多媒体内容自动识别系统 | 第64-79页 |
| ·多媒体内容自动识别的背景 | 第64-65页 |
| ·音频特征提取 | 第65-67页 |
| ·压缩域音频短时帧特征 | 第65-66页 |
| ·音频例子的持续语义特征 | 第66-67页 |
| ·分层音频爆炸场景识别模板 | 第67-71页 |
| ·引入支持向量机 | 第67-68页 |
| ·分层精细支持向量机识别模型 | 第68-69页 |
| ·分层精细支持向量机分析 | 第69-71页 |
| ·视频特征突变检测 | 第71-74页 |
| ·利用DC图像得到颜色直方图 | 第72页 |
| ·视频特征剧烈变化检测 | 第72-74页 |
| ·实验建立与数据对比 | 第74-78页 |
| ·小结 | 第78-79页 |
| 参考文献 | 第79-84页 |
| 致谢 | 第84-85页 |
| 附录 | 第85页 |
