基于社交信息的网络视频分类
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-16页 |
| ·研究的背景和意义 | 第11页 |
| ·研究现状及发展 | 第11-13页 |
| ·视频分类 | 第11-13页 |
| ·Hadoop | 第13页 |
| ·论文主要研究内容 | 第13-14页 |
| ·伪相关反馈研究 | 第14页 |
| ·研究基于模型和数据驱动方法的融合 | 第14页 |
| ·面向分布式平台的分类数据预处理 | 第14页 |
| ·本文结构 | 第14-16页 |
| 第2章 相关技术介绍 | 第16-29页 |
| ·视频文本分类 | 第16-19页 |
| ·文本表示模型 | 第16-17页 |
| ·文本预处理 | 第17页 |
| ·文本特征权重 | 第17-19页 |
| ·支持向量机 | 第19-20页 |
| ·查询扩展与伪相关反馈 | 第20-22页 |
| ·Hadoop | 第22-27页 |
| ·HDFS | 第22页 |
| ·Map/Reduce | 第22-25页 |
| ·Hadoop工作原理 | 第25-26页 |
| ·Hadoop典型应用 | 第26-27页 |
| ·本章小结 | 第27-29页 |
| 第3章 基于社交信息的网络视频分类 | 第29-43页 |
| ·系统结构简介 | 第29-32页 |
| ·网络视频特点 | 第29-30页 |
| ·网络社交信息 | 第30-32页 |
| ·网络视频分类框架 | 第32页 |
| ·基于社交信息的伪相关反馈 | 第32-35页 |
| ·相关视频和用户兴趣的投票决策 | 第35-36页 |
| ·模型驱动和数据驱动的融合 | 第36-37页 |
| ·实验 | 第37-42页 |
| ·数据集 | 第37页 |
| ·性能度量 | 第37-38页 |
| ·模型驱动文本特征实验 | 第38页 |
| ·模型驱动和数据驱动的性能对比 | 第38-40页 |
| ·伪相关反馈的性能提高 | 第40-41页 |
| ·特征融合的性能提高 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 基于Hadoop的分类数据预处理 | 第43-53页 |
| ·基于Hadoop的分类数据预处理 | 第43-49页 |
| ·Hadoop图像处理接口 | 第43-46页 |
| ·向量运算的Hadoop实现 | 第46-49页 |
| ·实验 | 第49-52页 |
| ·图片处理实验 | 第50页 |
| ·向量运算实验结果 | 第50-51页 |
| ·Hadoop文件分片实验结果 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 结论与展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士学位期间发表的论文及参加的科研工作 | 第58页 |
