视频数据挖掘的方法研究及应用
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 第一章 绪论 | 第13-26页 |
| ·研究背景 | 第13-18页 |
| ·数据挖掘技术的产生和发展 | 第13-16页 |
| ·视频挖掘技术的产生和发展 | 第16-18页 |
| ·视频数据挖掘的研究现状 | 第18-23页 |
| ·国内外主要研究者对视频挖掘技术的认识和理解 | 第18页 |
| ·视频数据挖掘的方法和技术现状 | 第18-23页 |
| ·本文的研究背景、内容和结构安排 | 第23-26页 |
| ·本文的研究背景 | 第23页 |
| ·研究内容及结构安排 | 第23-26页 |
| 第二章 视频数据的时间序列提取方法 | 第26-36页 |
| ·视频数据的预处理 | 第26-28页 |
| ·视频运动对象的检测与分割 | 第28-30页 |
| ·视频运动对象检测 | 第28-29页 |
| ·视频运动对象分割 | 第29-30页 |
| ·视频运动对象的跟踪 | 第30-33页 |
| ·特征选择 | 第30-32页 |
| ·主要跟踪方法 | 第32-33页 |
| ·时间序列的提取 | 第33-34页 |
| ·运动轨迹的提取 | 第33页 |
| ·运动轨迹的描述 | 第33-34页 |
| ·本章小结 | 第34-36页 |
| 第三章 基于时间序列的视频数据的基本挖掘方法 | 第36-55页 |
| ·基本知识 | 第36-46页 |
| ·相似性 | 第37页 |
| ·时间序列相似性查找 | 第37-39页 |
| ·相似性度量 | 第39-43页 |
| ·索引结构及 R 树 | 第43-45页 |
| ·聚类算法 | 第45-46页 |
| ·利用时间序列算法对视频数据进行相似查询 | 第46-50页 |
| ·实验数据介绍 | 第47-48页 |
| ·基于欧氏距离的相似性查询 | 第48-49页 |
| ·基于动态时间弯折距离的相似性查询 | 第49-50页 |
| ·视频时间序列数据的聚类分析 | 第50-54页 |
| ·基于欧氏距离的聚类实现 | 第50-53页 |
| ·基于动态时间弯折距离的聚类实现 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第四章 视频时间序列相似性挖掘的扩展研究 | 第55-72页 |
| ·问题的提出 | 第55-56页 |
| ·基于 PAA 分段的二维视频时序数据的近似表示 | 第56-64页 |
| ·一维时间序列的分段累积近似 | 第56-58页 |
| ·一维时间序列基于 PAA 相似性挖掘算法 | 第58-59页 |
| ·基于 PAA 分段的二维视频时序数据的近似表示 | 第59-60页 |
| ·基于新算法的视频时间序列的查询仿真实例 | 第60-64页 |
| ·基于特征点分段的二维视频时序数据的近似表示 | 第64-70页 |
| ·基于特征点分段的时间序列近似表示 | 第64-66页 |
| ·基于特征点分段的二维视频时序数据的近似表示 | 第66-67页 |
| ·二维序列的特征点分段时间弯曲距离 | 第67-69页 |
| ·基于新算法的视频时间序列查询仿真实例 | 第69-70页 |
| ·本章小结 | 第70-72页 |
| 第五章 基于时间序列的视频数据挖掘架构 | 第72-79页 |
| ·基于时间序列的视频挖掘系统 | 第72-75页 |
| ·概述 | 第72页 |
| ·系统框架结构及基本功能 | 第72-75页 |
| ·数据库生成子系统 | 第75-77页 |
| ·视频处理模块 | 第75-76页 |
| ·数据库管理模块 | 第76-77页 |
| ·视频时间序列挖掘子系统 | 第77-78页 |
| ·用户接口模块 | 第77页 |
| ·挖掘引擎模块 | 第77-78页 |
| ·本章小结 | 第78-79页 |
| 第六章 总结与展望 | 第79-82页 |
| ·总结 | 第79-80页 |
| ·展望 | 第80-82页 |
| 参考文献 | 第82-85页 |
| 致谢 | 第85-86页 |
| 攻读学位期间发表的学术论文 | 第86-89页 |
| 答辩决议书 | 第89页 |
