《大規模場景圖像的情感語義分析若干關鍵技術研究》是2017年智慧財產權出版社出版的圖書，作者是曹建芳。
基本介紹
- 書名：大規模場景圖像的情感語義分析若干關鍵技術研究
- 作者：曹建芳
- 出版社：智慧財產權出版社
- ISBN：9787513052955
內容簡介,作者簡介,目錄,
內容簡介
《大規模場景圖像的情感語連戀鑽義分析若干關鍵技術研究》內容簡介：本書圍繞場景圖像的情感語義理解展開研究，從情感語義數據的獲取、自動標註、情感語義類別的預測及大規模場景圖像數據的高效檢索等方面進行了探討和研究，戒判籃系統地闡述了場景圖像情感語義分析的關鍵技術。從理論上，對場景圖像蘊含的情感語義進行了抽象、分析和形式化表示；在實踐上，搭建了實驗平台進行了驗證和分析，為各類圖像數據的情感語義理解提供了新的思路和途徑。全書集理論、技術、方法及實踐於一體，具有較強的理論性和實踐性，反映了當前該理論的*新研究成果。
作者簡介
曹建芳，教授。1999年7月畢業於太原理工大學計算機科學與技術系，2005年7月獲山西大學計算機套用技術碩士學位，2015年7月獲太原理工大學計算機科學與技術博士學位，主要研究領域為數字圖像的語義理解。主持山西省自然科學基再檔辯拔金一項（No. 2013011017-2），山西省高校科技創新項目一項（No. 2013150），並主要參與了一項國家自然科學基金項目（No. 61202163）的研究。現已發表學術論文30餘篇，其中SCI、EI兩大檢索計17篇。
目錄
第1章 緒論
1.1 研究背景與意義
1.1.1 研究背景
1.1.2 研究意義
1.2 國內外研究現狀
1.2.1 圖像的情感語義分析
1.2.2 圖像檢索技術研究現狀
1.3 本書主要工作
1.3.1 場景圖像的情感語義特徵提取研究
1.3.2 基於模糊理論的場景圖像自動標註方法研究
1.3.3 場景圖像的情感類別預測研究
1.3.4 基於MdpReduce的大規模場景圖像檢索技術研究
1.4 本書組織結構
1.5 本章小結
第2章 大數據處理與圖像檢索
2.1 大數據的種類、特點和套用
2.1.1 大數據的種類
2.1.2 大數據的特點
2.1.3 大數據的套用
2.2 大數據處理面臨的問題
2.3 大數據處理與圖像檢索的關係
2.4 本章小結
第3章 開放行為學實驗環境下的場景圖像情感語義分析
3.1 圖像情感語義理解的相關概念
3.1.1 情感與情感計算
3.1.2 情感建模
3.1.3 圖像情感語義分析
3.1.4 圖像情感語義標註
3.1.5 圖像情感語義檢索
3.2 圖像語義層次模型
3.3 開放行為學實驗環境下場景圖像的情感語義分全催析
3.3.1 情感模型的選擇
3.3.2 被試的選取
3.3.3 實驗數據和方案設計
3.3.4 場景圖像情感語義數據分舟晚協析方法
3.3.5 場景圖像的情感語義數據實驗分析
3.4 圖像分析和檢索的性能評測
3.5 本章小結
第4章 基於模糊理論的場景圖像情感語義標註方法
4.1 模糊理論
4.1.1 概述
4.1.2 基本定義
4.2 顏色視覺特徵提取
4.2.1 顏色空間的選取
4.2.2 HSV顏色空間量化
4.2.3 基於權重的不規則分塊場景圖像顏色特徵提取
4.3 場景圖像的模墊譽墓只糊語義描述
4.3.1 情感值的確定
4.3.2 情感規則G
4.3.3 情感規則映射T
4.4 基於T-S模糊神經網路的場景圖像的情感語義特徵映射
4.4.1 T-S模糊神經網路（T-S FNN）
4.4.2 語義特徵映射
4.5 場景圖像的情感語義自動標註
4.6 實驗結果及分析
4.7 本章小結
第5章 基於Adaboost-PSO-BP神經網路的場景圖像情感語義類別預測算法
5.1 融合情緒、性格因素的OCC情感模型
5.1.1 情緒因素描述
5.1.2 性格因素描述
5.1.3 融合情緒、性格因素的情感建模方法
5.2.BP神經網路權值和閾值的最佳化
5.2.1 BP神經網路
5.2.2 粒子群最佳化算法（PSO）最佳化BP神經網路
5.3 Adaboost-PSO-BP神經網路預測算法
5.3.1 Adaboost算法
5.3.2 Adaboost-PSO-BP神經網路算法
5.4 場景圖像情感語義類別預測
5.5 實驗結果與討論
5.6 本章小結
第6章 基於MapReduce的大規模場景圖像檢索技術
6.1 Hadoop平台相關技術介紹
6.1.1 Hadoop的起源和背景
6.1.2 HDFS體系結構
6.1.3 MapReduce編程模型
6.1.4 Mahout算法庫
6.2 基於MapReduce的大規模場景圖像檢索方案
6.2.1 場景圖像檢姜船煉索整體框架
6.2.2 大規模場景圖像及其特徵的存儲
6.2.3 場景圖像的特徵提取
6.2.4 基於分散式Mean Shift的場景圖像特徵聚類算法
6.3 實驗與結果分析
6.3.1 實驗環境與測試數據
6.3.2 系統性能測試與分析
6.4 本章小結
第7章 總結與展望
7.1 本書工作總結
7.2 研究展望
參考文獻
4.1 模糊理論
4.1.1 概述
4.1.2 基本定義
4.2 顏色視覺特徵提取
4.2.1 顏色空間的選取
4.2.2 HSV顏色空間量化
4.2.3 基於權重的不規則分塊場景圖像顏色特徵提取
4.3 場景圖像的模糊語義描述
4.3.1 情感值的確定
4.3.2 情感規則G
4.3.3 情感規則映射T
4.4 基於T-S模糊神經網路的場景圖像的情感語義特徵映射
4.4.1 T-S模糊神經網路（T-S FNN）
4.4.2 語義特徵映射
4.5 場景圖像的情感語義自動標註
4.6 實驗結果及分析
4.7 本章小結
第5章 基於Adaboost-PSO-BP神經網路的場景圖像情感語義類別預測算法
5.1 融合情緒、性格因素的OCC情感模型
5.1.1 情緒因素描述
5.1.2 性格因素描述
5.1.3 融合情緒、性格因素的情感建模方法
5.2.BP神經網路權值和閾值的最佳化
5.2.1 BP神經網路
5.2.2 粒子群最佳化算法（PSO）最佳化BP神經網路
5.3 Adaboost-PSO-BP神經網路預測算法
5.3.1 Adaboost算法
5.3.2 Adaboost-PSO-BP神經網路算法
5.4 場景圖像情感語義類別預測
5.5 實驗結果與討論
5.6 本章小結
第6章 基於MapReduce的大規模場景圖像檢索技術
6.1 Hadoop平台相關技術介紹
6.1.1 Hadoop的起源和背景
6.1.2 HDFS體系結構
6.1.3 MapReduce編程模型
6.1.4 Mahout算法庫
6.2 基於MapReduce的大規模場景圖像檢索方案
6.2.1 場景圖像檢索整體框架
6.2.2 大規模場景圖像及其特徵的存儲
6.2.3 場景圖像的特徵提取
6.2.4 基於分散式Mean Shift的場景圖像特徵聚類算法
6.3 實驗與結果分析
6.3.1 實驗環境與測試數據
6.3.2 系統性能測試與分析
6.4 本章小結
第7章 總結與展望
7.1 本書工作總結
7.2 研究展望
參考文獻
