多媒体数据挖掘技术研究

本文提出一种多媒体数据挖掘系统的一般结构和挖掘的过程,说明了不同类型多媒体数据挖掘的基本方法和技术,并对多媒体数据提出了阐述和展望。     

基于Web的多媒体数据挖掘技术研究

提出了一个基于Web的多媒体数据挖掘系统的框架结构模型,一种联合查询的优化方案和一种多媒体数据挖掘算法。该模型首先通过多媒体概念检索技术智能化地在Internet上搜索Web页面,通过向量空间模型进行多媒体信息检索,最后将检索的结果传送给用户。     

多媒体数据挖掘的体系结构和方法

提出了一个多媒体数据挖掘系统的一般结构(M3)，包括多媒体数据库(MD)、多媒体挖掘引擎(MME)和多媒体挖掘界面(MMI)，重点分析了几种挖掘方法(分类、关联和聚类)在多媒体挖掘中的应用。针对不同的媒体，如图像、音频、视频，讨论了各自的挖掘特点和主要挖掘内容。     

基于隐马尔可夫模型的复杂数据挖掘实现

利用隐马尔可夫模型(HMM)对多媒体数据仓库进行复杂数据挖掘，复杂数据挖掘要解决的难题是音频和视频识别。建立音频和视频的识别模型及其相关的算法，在视频识别算法上构造出符合HMM的识别方法。根据模型建立系统，实验证明声音的识别率最高达到96．67％，视频中特征值的检测率可达87．81％。研究结果可以应用在多媒体的识别和数据挖掘领域，提供一个比较完整的复杂数据挖掘的模型和算法。     

数据挖掘在数据分析中的应用

本文围绕着＂教师多媒体软件使用情况＂方面的四个问题,演示了数据挖掘的过程,重点阐述了如何利用数据挖掘工具,对挖掘结果的分类、测试检验、算法修改等操作,并将分类特征可视化,最终针对挖掘结果进行了分析,得出结论。对于数据挖掘在数据分析中的应用,本文做了很好的示范。     

数据挖掘中的聚类算法综述*

聚类是数据挖掘中用来发现数据分布和隐含模式的一项重要技术。全面总结了数据挖掘中聚类算法的研究现状,分析比较了它们的性能差异和各自存在的优点及问题,并结合多媒体领域的应用需求指出了其今后的发展趋势。     

多媒体数据库的管理与数据挖掘研究

随着多媒体技术和数据库技术的发展,多媒体数据库的管理和数据挖掘技术都取得了很大的进展.目前,对于多媒体数据库的挖掘正日益成为研究热点.介绍多媒体数据库管理系统概念上讨论对其进行数据挖掘的问题,主要是对文本、图像、音频和视频数据挖掘的讨论.     

基于分层向量距离的实时多媒体数据挖掘模型

论文构造了一个实时多媒体数据挖掘模型,提出了一种原始视频数据进行数据挖掘的新机制,主要采用分层向量距离来进行动态可控序列分析分割、段内特征提取,使用粒子群K均值进行段间聚集,在一定程度上,解决了多媒体数据挖掘各方面的特殊要求。挖掘模型中各个部分与提出的技术相结合,基本上能满足实时情况下处理原始视频数据的要求。     

可视化数据挖掘技术研究

总结了目前数据挖掘领域中可视化方法的研究状况。结合国外先进的数据挖掘工具，分析了当前可视化数据挖掘技术的应用现状。基于可视化数据挖掘的任务和目标，阐述了可视化数据挖掘技术的发展趋势。     

数据挖掘技术研究综述

随着信息技术的发展,积累了越来越多的数据。数据挖掘技术通过从数据库中发现知识,为人类处理这些海量数据提供了有力武器。首先介绍了数据挖掘技术的概念,然后对数据挖掘系统的构成和数据挖掘的流程进行了分析,最后详细分析了数据挖掘的常用方法。