小微文化企业视频特征推荐方法的研究与应用
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 研究目的及意义 | 第11-12页 |
| 1.4 论文研究工作 | 第12-13页 |
| 1.5 论文组织结构 | 第13页 |
| 1.6 本章小结 | 第13-14页 |
| 第二章 相关工作研究 | 第14-23页 |
| 2.1 信息熵 | 第14-15页 |
| 2.1.1 信息熵概述 | 第14页 |
| 2.1.2 信息熵的性质 | 第14-15页 |
| 2.1.3 信息熵应用 | 第15页 |
| 2.2 遗传算法 | 第15-18页 |
| 2.2.1 遗传算法组成 | 第16-17页 |
| 2.2.2 遗传算法流程 | 第17-18页 |
| 2.3 BP神经网络 | 第18-22页 |
| 2.3.1 神经网络概述 | 第18-19页 |
| 2.3.2 BP神经网络模型 | 第19-20页 |
| 2.3.3 BP神经网络算法 | 第20-21页 |
| 2.3.4 BP神经网络学习过程 | 第21-22页 |
| 2.3.5 BP神经网络优化 | 第22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于信息熵的自适应遗传算法 | 第23-33页 |
| 3.1 适应度函数设计 | 第23-24页 |
| 3.2 遗传算子的设计 | 第24-28页 |
| 3.2.1 选择算子 | 第24页 |
| 3.2.2 交叉算子与变异算子 | 第24-25页 |
| 3.2.3 改进的自适应遗传算法 | 第25-26页 |
| 3.2.4 种群熵 | 第26-28页 |
| 3.3 算法流程及步骤 | 第28-29页 |
| 3.4 算法描述 | 第29-30页 |
| 3.5 算法测试 | 第30-31页 |
| 3.6 IAGA优化BP神经网络 | 第31-32页 |
| 3.7 本章小结 | 第32-33页 |
| 第四章 IAGABP在视频特征推荐中的应用 | 第33-47页 |
| 4.1 影响视频生产的因素 | 第33-34页 |
| 4.2 小微文化企业的视频生产现状 | 第34-35页 |
| 4.2.1 小微文化企业的特点 | 第34页 |
| 4.2.2 小微文化企业与大型文化企业的区别 | 第34-35页 |
| 4.2.3 小微文化企业的视频制作 | 第35页 |
| 4.3 视频特征推荐模型的建立 | 第35-45页 |
| 4.3.1 视频特征 | 第35-37页 |
| 4.3.2 数据预处理 | 第37-40页 |
| 4.3.3 IAGABP建模过程 | 第40-41页 |
| 4.3.4 BP神经网络参数确定 | 第41-42页 |
| 4.3.5 IAGABP模型及结果分析 | 第42-45页 |
| 4.4 本章小结 | 第45-47页 |
| 第五章 小微文化企业视频特征推荐系统设计与实现 | 第47-60页 |
| 5.1 需求分析说明 | 第47页 |
| 5.2 软件设计标准 | 第47-48页 |
| 5.3 系统整体架构 | 第48-49页 |
| 5.4 系统功能设计 | 第49页 |
| 5.5 系统数据库设计 | 第49-52页 |
| 5.6 系统功能实现 | 第52-58页 |
| 5.6.1 数据采集与集成 | 第52页 |
| 5.6.2 内容信息管理 | 第52-54页 |
| 5.6.3 信息费率管理 | 第54-55页 |
| 5.6.4 视频特征推荐 | 第55-58页 |
| 5.7 本章小结 | 第58-60页 |
| 第六章 结论与展望 | 第60-62页 |
| 6.1 主要结论 | 第60-61页 |
| 6.2 研究展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 在学期间的研究成果 | 第65-66页 |
| 致谢 | 第66页 |
