基于內(nèi)容的視頻結(jié)構(gòu)挖掘

第一篇 數(shù)據(jù)挖掘基礎(chǔ)
第1章 緒論
1．1 數(shù)據(jù)挖掘的發(fā)展
1．1．1 數(shù)據(jù)豐富與知識(shí)匱乏
1．1．2 從數(shù)據(jù)到知識(shí)
1．1．3 數(shù)據(jù)挖掘產(chǎn)生
1．2 什么是數(shù)據(jù)挖掘
1．2．1 數(shù)據(jù)挖掘的定義
1．2．2 與數(shù)據(jù)挖掘有關(guān)的舉例
1．3 數(shù)據(jù)挖掘的主要功能
1．3．1 挖掘頻繁模式、關(guān)聯(lián)和相關(guān)性
1．3．2 用于預(yù)測(cè)分析的分類與回歸
1．3．3 聚類分析
1．3．4 孤立點(diǎn)分析
1．3．5 趨勢(shì)和演變分析
1．4 數(shù)據(jù)挖掘步驟
1．4．1 數(shù)據(jù)挖掘的體系結(jié)構(gòu)
1．4．2 知識(shí)發(fā)現(xiàn)過(guò)程
1．4．3 數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程——CRISP-DM
1．4．4 SEMMA
1．5 數(shù)據(jù)挖掘軟件
1．5．1 第一類：由統(tǒng)計(jì)軟件發(fā)展而來(lái)
1．5．2 第二類：由數(shù)據(jù)庫(kù)軟件發(fā)展而來(lái)
1．5．3 第三類：第三方軟件
1．5．4 第四類：開源數(shù)據(jù)挖掘軟件
第2章 數(shù)據(jù)認(rèn)識(shí)與數(shù)據(jù)預(yù)處理
2．1 數(shù)據(jù)屬性
2．2 數(shù)據(jù)統(tǒng)計(jì)描述
2．2．1 均值
2．2．2 中位數(shù)
2．2．3 眾數(shù)
2．2．4 根差
2．2．5 四分位距
2．2．6 方差和標(biāo)準(zhǔn)差
2．3 數(shù)據(jù)預(yù)處理
2．3．1 數(shù)據(jù)集成
2．3．2 數(shù)據(jù)變換
2．3．3 數(shù)據(jù)歸約
2．4 概念描述
2．4．1 面向?qū)傩缘臍w納（Attribute-Oriented Induction，AOI）
2．4．2 面向?qū)傩詺w納的基本算法
2．4．3 挖掘類比較：區(qū)分不同的類
第3章 SQI．SERVER建立數(shù)據(jù)倉(cāng)庫(kù)
3．1 數(shù)據(jù)倉(cāng)庫(kù)：基本概念
3．1．1 什么是數(shù)據(jù)倉(cāng)庫(kù)
3．1．2 什么是OLAP
3．1．3 數(shù)據(jù)倉(cāng)庫(kù)的類型
3．1．4 數(shù)據(jù)倉(cāng)庫(kù)與傳統(tǒng)數(shù)據(jù)庫(kù)的比較
3．1．5 數(shù)據(jù)倉(cāng)庫(kù)的設(shè)計(jì)
3．2 SQL SERVER建立數(shù)據(jù)倉(cāng)庫(kù)
3．2．1 基本概念
3．2．2 建立數(shù)據(jù)倉(cāng)庫(kù)
3．3 應(yīng)用舉例
3．3．1 使用SQL SERVER實(shí)現(xiàn)貝葉斯分類方法
3．3．2 使用Excel實(shí)現(xiàn)關(guān)聯(lián)規(guī)則分析
3．3．3 使用Excel實(shí)現(xiàn)其他數(shù)據(jù)挖掘分析
第4章 關(guān)聯(lián)規(guī)則挖掘
4．1 關(guān)聯(lián)規(guī)則的定義和屬性
4．1．1 關(guān)聯(lián)規(guī)則的定義
4．1．2 關(guān)聯(lián)規(guī)則的屬性
4．1．3 關(guān)聯(lián)規(guī)則挖掘過(guò)程
4．1．4 關(guān)聯(lián)規(guī)則挖掘的經(jīng)典算法
4．1．5 關(guān)聯(lián)規(guī)則應(yīng)用
4．2 Apriori算法
4．2．1 Apriori算法偽代碼
4．2．2 Apriori算法舉例
4．2．3 由頻繁項(xiàng)集產(chǎn)生關(guān)聯(lián)規(guī)則
4．2．4 Apriori算法的python實(shí)現(xiàn)
4．2．5 Apriori算法改進(jìn)
4．3 Fp-Growth算法
4．3．1 構(gòu)造FP樹
4．3．2 FP-growth挖掘過(guò)程
4．4 關(guān)聯(lián)規(guī)則評(píng)價(jià)
4．5 關(guān)聯(lián)規(guī)則挖掘進(jìn)展
4．5．1 增量式更新挖掘算法
4．5．2 并行／分布式關(guān)聯(lián)規(guī)則挖掘算法
4．5．3 多層關(guān)聯(lián)規(guī)則挖掘算法
4．5．4 在數(shù)據(jù)挖掘類型方面的拓展
4．5．5 基于約束的頻繁模式挖掘
第5章 分類與預(yù)測(cè)
5．1 分類與預(yù)測(cè)基本知識(shí)
5．2 ID3算法
5．2．1 ID3算法偽代碼
5．2．2 ID3算法的python實(shí)現(xiàn)
5．2．3 ID3的優(yōu)缺點(diǎn)
5．3 C4．5算法
5．3．1 C4．5的改進(jìn)
5．3．2 C4．5算法的python實(shí)現(xiàn)
5．4 Python中Scikit-k姍機(jī)器學(xué)習(xí)簡(jiǎn)介
5．4．1 數(shù)據(jù)預(yù)處理
5．4．2 主要分類方法
5．4．3 算法參數(shù)優(yōu)化
5．4．4 利用graphviz和pydot數(shù)據(jù)可視化
第6章 聚類分析
6．1 聚類分析概述
6．1．1 聚類分析的定義
6．1．2 聚類方法概述
6．1．3 聚類分析的一般步驟
6．1．4 聚類方法的要求
6．2 聚類的主要算法
6．2．1 劃分方法
6．2．2 層次法
6．2．3 基于密度的方法
6．2．4 模糊聚類
6．3 聚類進(jìn)展
第7章 時(shí)間序列變動(dòng)趨勢(shì)挖掘
7．1 時(shí)間序列影響因素及分析模型
7．1．1 時(shí)間序列及其作用
7．1．2 時(shí)間序列的影響因素
7．1．3 時(shí)間序列分解模型
7．1．4 時(shí)間序列趨勢(shì)挖掘步驟
7．2 時(shí)間序列季節(jié)調(diào)整
7．2．1 季節(jié)調(diào)整處理方法
7．2．2 季節(jié)因子
7．2．3 季節(jié)調(diào)整
7．3 時(shí)間序列趨勢(shì)挖掘
7．3．1 時(shí)距擴(kuò)大法
7．3．2 移動(dòng)平均法
7．3．3 指數(shù)平滑法
7．3．4 最小平方法
7．4 時(shí)間序列循環(huán)因子測(cè)定
7．4．1 循環(huán)變動(dòng)的測(cè)定目的
7．4．2 循環(huán)變動(dòng)的測(cè)定方法
7．4．3 乘法模型
7．4．4 加法模型
7．4．5 乘加模型
第二篇 基于內(nèi)容的視頻結(jié)構(gòu)挖掘
第1章 視頻結(jié)構(gòu)挖掘概念框架
1．1 視頻結(jié)構(gòu)挖掘的概念框架
1．2 視頻結(jié)構(gòu)挖掘的系統(tǒng)結(jié)構(gòu)
1．2．1 傳統(tǒng)數(shù)據(jù)挖掘過(guò)程
1．2．2 視頻結(jié)構(gòu)挖掘系統(tǒng)結(jié)構(gòu)
1．3 視頻結(jié)構(gòu)挖掘的功能結(jié)構(gòu)
1．4 視頻結(jié)構(gòu)挖掘方法
1．4．1 基本結(jié)構(gòu)單元的發(fā)現(xiàn)和表現(xiàn)
1．4．2 視頻單元分類
1．4．3 視頻單元聚類
1．4．4 視頻單元關(guān)聯(lián)規(guī)則挖掘
1．5 本章小結(jié)
第2章 視頻基本結(jié)構(gòu)挖掘
2．1 視頻基本結(jié)構(gòu)
2．2 鏡頭分割及關(guān)鍵幀提取
2．2．1 鏡頭分割常用方法
2．2．2 視頻鏡頭關(guān)鍵幀抽取
2．2．3 鏡頭分割顏色模型選擇及量化
2．2．4 自適應(yīng)雙直方圖兩次判別鏡頭分割算法
2．3 場(chǎng)景構(gòu)造
2．3．1 鏡頭特征提取及相似性度量
2．3．2 基于鏡頭多特征聚類視頻場(chǎng)景分割
2．3．3 基于競(jìng)爭(zhēng)力的場(chǎng)景分割
2．4 本章小結(jié)
第3章 視頻結(jié)構(gòu)語(yǔ)法挖掘
3．1 視頻結(jié)構(gòu)語(yǔ)法
3．2 視頻數(shù)據(jù)預(yù)處理
3．2．1 鏡頭分割
3．2．2 特征提取
3．2．3 鏡頭符號(hào)序列化
3．3 視頻結(jié)構(gòu)模式挖掘
3．3．1 傳統(tǒng)關(guān)聯(lián)規(guī)則挖掘
3．3．2 視頻結(jié)構(gòu)關(guān)聯(lián)規(guī)則挖掘
3．3．3 視頻結(jié)構(gòu)語(yǔ)法模式分析
3．4 本章小結(jié)
第4章 視頻結(jié)構(gòu)語(yǔ)義挖掘
4．1 視頻結(jié)構(gòu)語(yǔ)義
4．2 鏡頭語(yǔ)義概念挖掘
4．2．1 鏡頭語(yǔ)義概念挖掘主要圖模型
4．2．2 多概念判別隨機(jī)場(chǎng)模型
4．2．3 廣義多概念判別隨機(jī)場(chǎng)模型
4．3 視頻高層結(jié)構(gòu)語(yǔ)義事件挖掘
4．3．1 視頻高層結(jié)構(gòu)語(yǔ)義事件
4．3．2 HMM模型
4．3．3 HHMM模型
4．3．4 籃球視頻高層事件HHMM模型
4．4 本章小結(jié)