社交网络中的多媒体数据挖掘
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-22页 |
| ·课题的研究背景 | 第11-14页 |
| ·社交网络简介 | 第11-13页 |
| ·社交网络网络中数据挖掘的必要性 | 第13-14页 |
| ·社交网络内容的信息关联挖掘 | 第14-17页 |
| ·基本信息数据挖掘 | 第14-15页 |
| ·多媒体数据挖掘 | 第15-17页 |
| ·历史操作数据挖掘 | 第17页 |
| ·海量网络数据的快速检索 | 第17-18页 |
| ·基于图的共识最大化方法的多重知识网络融合 | 第18-20页 |
| ·论文的主要工作及章节安排 | 第20-22页 |
| ·论文的主要工作 | 第20-21页 |
| ·论文的组织结构 | 第21-22页 |
| 第2章 社交网络中基于图像内容的信息挖掘 | 第22-39页 |
| ·引言 | 第22-24页 |
| ·基于Harr-Like 模式的人脸检测 | 第24-32页 |
| ·人脸检测的主要研究工作 | 第24-25页 |
| ·利用积分图加速Harr 特征的提取 | 第25-28页 |
| ·级联AdaBoost 分类器 | 第28-31页 |
| ·实验结果 | 第31-32页 |
| ·基于LBP 和PCA 的快速人脸识别 | 第32-36页 |
| ·基于局部二值特征的纹理描述 | 第33-34页 |
| ·基于主成分分析的人脸识别 | 第34-36页 |
| ·多媒体数据挖掘在社交网络中的应用 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第3章 社交网络中海量多媒体数据的快速检索 | 第39-55页 |
| ·引言 | 第39-40页 |
| ·基于局部敏感哈希建立索引和检索 | 第40-50页 |
| ·近邻问题和近似近邻问题的定义 | 第40-42页 |
| ·局部敏感哈希基本思想 | 第42-43页 |
| ·局部敏感哈希的一种改进实现 | 第43-46页 |
| ·局部敏感哈希算法分析 | 第46-50页 |
| ·基于局部敏感哈希的快速图像检索 | 第50-52页 |
| ·实验结果 | 第52-53页 |
| ·本章小结 | 第53-55页 |
| 第4章 基于多知识网络的协同学习数据挖掘 | 第55-63页 |
| ·引言 | 第55-56页 |
| ·基于深度优先算法构建用户交互网络 | 第56-57页 |
| ·基于图的最大置信融合算法 | 第57-60页 |
| ·实验结果 | 第60-62页 |
| ·加权深度优先算法分析 | 第60-61页 |
| ·基于图的最大置信融合算法分析 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第5章 多知识网络协同学习在社交网络中的应用 | 第63-72页 |
| ·社交网络中的链路式信息推荐 | 第65-69页 |
| ·基于加权深度优先算法的好友推荐 | 第65-66页 |
| ·基于好友链路的信息推荐 | 第66-68页 |
| ·链路式信息推荐的优势 | 第68-69页 |
| ·社交网络中的聚类式信息推荐 | 第69-71页 |
| ·聚类式信息推荐的优势 | 第69-70页 |
| ·基于多知识网络协同学习的聚类式信息推广 | 第70-71页 |
| ·社交网络中多媒体数据挖掘的应用前景 | 第71-72页 |
| 结论 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第77-79页 |
| 致谢 | 第79页 |
