面向知識服務的多媒體數據挖掘關鍵技術研究.pdf

1、隨著以Internet為代表的信息社會的高速發(fā)展，Web網絡包含的文本、圖像、音頻和視頻等多媒體信息急劇增加，人們對多媒體信息的挖掘和檢索的需求也在快速增長。將數據挖掘領域知識應用于多媒體數據的描述與分析，可以得到更加豐富的信息獲取價值。 本文針對文本數據挖掘分類、Web信息抽取、圖像區(qū)域分割與檢索、音頻自動分段與檢索四個研究方向，圍繞信息處理效率的優(yōu)化和信息挖掘功能與精度的優(yōu)化為目標，為多媒體數據挖掘領域內實際的一些研究問題提

2、出了有效的解決方法。本文的主要研究內容分為以下四個部分： 1、針對數據挖掘領域關注的支持向量機多值分類領域問題，通過分析當前幾種基于支持向量機的多值分類算法的不足，提出了一種非線性支持向量機決策樹的分類方法。與一般的線性支持向量機決策樹分類算法相比，該算法的分類精度有了一定提高，同時分類時間也相應降低。具體的創(chuàng)新點包括：通過核函數將支持向量機推廣到非線性支持向量機，并在非線性映射后計算特征空間中類間相對分離度，得到類的易分程度；

3、在支持向量機決策樹分類中引入相對分離度，有效地降低累積誤差，減少計算規(guī)模，從而提高分類精度與分類效率。 2、針對Web頁面信息高級抽取模型這一困難問題和現(xiàn)有抽取方法在Web信息視覺對象化、語義化等方面的不足，提出了基于版面結構和基于內容塊的狀態(tài)轉移序列，以及輸出多特征的GHMM信息抽取模型。從而代替了傳統(tǒng)的基于狀態(tài)轉移規(guī)則的信息抽取模型HMM。此方法的狀態(tài)轉移規(guī)則是基于網頁的版面結構的基礎上，更好的使用于網頁的具體特征。通過實驗

4、證明了此方法針對于Web對象信息提取相對于文中描述的其它方法具有更好的精確度。具體的創(chuàng)新點包括：針對網頁所特有的基于版面結構的特點，利用基于視覺的網頁分割算法VIPS對網頁分塊，得到一種新的狀態(tài)轉移序列，取代了傳統(tǒng)的狀態(tài)轉移序列；通過二階Markov鏈改進廣義隱馬爾可夫模型(GHMM)的狀態(tài)轉移和輸出觀測值假設條件，提出了二階的廣義隱馬爾可夫模型。 3、針對多媒體數據挖掘中圖像信息的有效結構化分割與基于圖像區(qū)域內容的檢索問題，提

5、出了一種基于相對勢能的改進分水嶺分割算法。該方法在形態(tài)學梯度圖像的基礎上，利用形態(tài)學開閉重建濾波運算和給定尺度的非線性變換對圖像進行濾波，保留了重要的區(qū)域輪廓而去除了細節(jié)和噪聲。使用更易于被理解和實現(xiàn)的相對勢能，圖像分割過程中直接對分水嶺的重要性進行衡量，去掉不必要的細節(jié)。具體的創(chuàng)新點包括：在傳統(tǒng)分水嶺算法模型上引入相對勢能方法，能夠有效抑制過度分割，避免分割后的區(qū)域合并處理，降低分割的復雜性，提高圖像分割精度與潛在基于區(qū)域的檢索效率。

6、 4、針對多媒體數據挖掘中音頻信息的特征抽取分段與基于聲音內容模板的檢索問題，提出了改進的多變化點音頻自動分割算法。該算法不需要采集樣本，根據特征變化點來進行分割，取得了良好的分割結果。并結合采用時域、頻域和時頻域分析方法，從不同角度刻畫了音頻信號的實質，構成了音頻信號的描述算子。音頻檢索采用示例音頻查詢方式(QBE)，先使用最小生成樹(MST)聚類方法形成關鍵幀，然后對同類型的幀進行匹配比較，減少了計算的強度，大大提高了檢索效