基于内容的视频结构挖掘【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

基于内容的视频结构挖掘PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一篇 数据挖掘基础1

第1章 绪论1

1.1 数据挖掘的发展1

1.1.1 数据丰富与知识匮乏1

1.1.2 从数据到知识2

1.1.3 数据挖掘产生6

1.2 什么是数据挖掘7

1.2.1 数据挖掘的定义7

1.2.2 与数据挖掘有关的举例8

1.3 数据挖掘的主要功能11

1.3.1 挖掘频繁模式、关联和相关性11

1.3.2 用于预测分析的分类与回归13

1.3.3 聚类分析14

1.3.4 孤立点分析15

1.3.5 趋势和演变分析15

1.4 数据挖掘步骤16

1.4.1 数据挖掘的体系结构16

1.4.2 知识发现过程17

1.4.3 数据挖掘标准流程——CRISP-DM18

1.4.4 SEMMA20

1.5 数据挖掘软件22

1.5.1 第一类：由统计软件发展而来22

1.5.2 第二类：由数据库软件发展而来23

1.5.3 第三类：第三方软件23

1.5.4 第四类：开源数据挖掘软件24

第2章 数据认识与数据预处理30

2.1 数据属性30

2.2 数据统计描述31

2.2.1 均值32

2.2.2 中位数32

2.2.3 众数33

2.2.4 根差34

2.2.5 四分位距34

2.2.6 方差和标准差35

2.3 数据预处理35

2.3.1 数据集成36

2.3.2 数据变换37

2.3.3 数据归约38

2.4 概念描述40

2.4.1 面向属性的归纳（Attribute-Oriented Induction,AOI）40

2.4.2 面向属性归纳的基本算法42

2.4.3 挖掘类比较：区分不同的类46

第3章 SQL SERVER建立数据仓库50

3.1 数据仓库：基本概念50

3.1.1 什么是数据仓库50

3.1.2 什么是OLAP51

3.1.3 数据仓库的类型51

3.1.4 数据仓库与传统数据库的比较52

3.1.5 数据仓库的设计53

3.2 SQL SERVER建立数据仓库54

3.2.1 基本概念54

3.2.2 建立数据仓库56

3.3 应用举例74

3.3.1 使用SQL SERVER实现贝叶斯分类方法74

3.3.2 使用Excel实现关联规则分析75

3.3.3 使用Excel实现其他数据挖掘分析77

第4章 关联规则挖掘94

4.1 关联规则的定义和属性94

4.1.1 关联规则的定义94

4.1.2 关联规则的属性95

4.1.3 关联规则挖掘过程96

4.1.4 关联规则挖掘的经典算法96

4.1.5 关联规则应用97

4.2 Apriori算法98

4.2.1 Apriori算法伪代码99

4.2.2 Apriori算法举例100

4.2.3 由频繁项集产生关联规则102

4.2.4 Apriori算法的python实现103

4.2.5 Apriori算法改进106

4.3 Fp-Growth算法107

4.3.1 构造FP树107

4.3.2 FP-growth挖掘过程109

4.4 关联规则评价111

4.5 关联规则挖掘进展112

4.5.1 增量式更新挖掘算法112

4.5.2 并行／分布式关联规则挖掘算法112

4.5.3 多层关联规则挖掘算法113

4.5.4 在数据挖掘类型方面的拓展113

4.5.5 基于约束的频繁模式挖掘113

第5章 分类与预测115

5.1 分类与预测基本知识115

5.2 ID3算法117

5.2.1 ID3算法伪代码117

5.2.2 ID3算法的python实现121

5.2.3 ID3的优缺点127

5.3 C4.5 算法128

5.3.1 C4.5 的改进128

5.3.2 C4.5 算法的python实现130

5.4 Python中Scikit-Learn机器学习简介138

5.4.1 数据预处理138

5.4.2 主要分类方法140

5.4.3 算法参数优化142

5.4.4 利用graphviz和pydot数据可视化144

第6章 聚类分析145

6.1 聚类分析概述145

6.1.1 聚类分析的定义145

6.1.2 聚类方法概述146

6.1.3 聚类分析的一般步骤147

6.1.4 聚类方法的要求148

6.2 聚类的主要算法149

6.2.1 划分方法149

6.2.2 层次法153

6.2.3 基于密度的方法158

6.2.4 模糊聚类163

6.3 聚类进展170

第7章 时间序列变动趋势挖掘172

7.1 时间序列影响因素及分析模型172

7.1.1 时间序列及其作用173

7.1.2 时间序列的影响因素173

7.1.3 时间序列分解模型174

7.1.4 时间序列趋势挖掘步骤175

7.2 时间序列季节调整176

7.2.1 季节调整处理方法176

7.2.2 季节因子177

7.2.3 季节调整179

7.3 时间序列趋势挖掘182

7.3.1 时距扩大法183

7.3.2 移动平均法184

7.3.3 指数平滑法185

7.3.4 最小平方法187

7.4 时间序列循环因子测定193

7.4.1 循环变动的测定目的194

7.4.2 循环变动的测定方法194

7.4.3 乘法模型195

7.4.4 加法模型197

7.4.5 乘加模型197

第二篇 基于内容的视频结构挖掘199

第1章 视频结构挖掘概念框架199

1.1 视频结构挖掘的概念框架199

1.2 视频结构挖掘的系统结构203

1.2.1 传统数据挖掘过程203

1.2.2 视频结构挖掘系统结构205

1.3 视频结构挖掘的功能结构207

1.4 视频结构挖掘方法208

1.4.1 基本结构单元的发现和表现208

1.4.2 视频单元分类209

1.4.3 视频单元聚类209

1.4.4 视频单元关联规则挖掘210

1.5 本章小结211

第2章 视频基本结构挖掘214

2.1 视频基本结构214

2.2 镜头分割及关键帧提取215

2.2.1 镜头分割常用方法215

2.2.2 视频镜头关键帧抽取219

2.2.3 镜头分割颜色模型选择及量化220

2.2.4 自适应双直方图两次判别镜头分割算法223

2.3 场景构造227

2.3.1 镜头特征提取及相似性度量228

2.3.2 基于镜头多特征聚类视频场景分割234

2.3.3 基于竞争力的场景分割235

2.4 本章小结237

第3章 视频结构语法挖掘240

3.1 视频结构语法240

3.2 视频数据预处理242

3.2.1 镜头分割242

3.2.2 特征提取243

3.2.3 镜头符号序列化244

3.3 视频结构模式挖掘246

3.3.1 传统关联规则挖掘246

3.3.2 视频结构关联规则挖掘249

3.3.3 视频结构语法模式分析251

3.4 本章小结254

第4章 视频结构语义挖掘257

4.1 视频结构语义257

4.2 镜头语义概念挖掘259

4.2.1 镜头语义概念挖掘主要图模型261

4.2.2 多概念判别随机场模型263

4.2.3 广义多概念判别随机场模型268

4.3 视频高层结构语义事件挖掘269

4.3.1 视频高层结构语义事件269

4.3.2 HMM模型271

4.3.3 HHMM模型273

4.3.4 篮球视频高层事件HHMM模型275

4.4 本章小结279