一、领域相关多媒体对象的基于内容查询（论文文献综述）
王阮[1]（2021）在《数字人文视域下口述历史档案资源知识发现研究》文中研究表明近年来,数字人文在中国学界方兴未艾。数字人文对知识生产方式的改变,好比在学术圈这个相对平静的湖水中投进一颗石子,泛起的涟漪会波及整个学术领域[1]。2017年,中共中央办公厅、国务院办公厅印发的《国家“十三五”时期文化发展改革规划纲要》指出:文化遗产保护工程需加快文物藏品数字化保藏,推进数字故宫、数字敦煌、数字丝绸之路和中国人民抗日战争数字博物馆建设[2]。在数字化浪潮中,人文活动在数字技术赋能下跨界融合,借助数字技术耕读人文知识,变革传统的人文研究范式,并赋予人文研究以新的活力。数字人文正在引领中国社会文化空间的数字化转型,身处数字环境的人们对历史档案文化的知识需求也愈加强烈。《全国档案事业发展“十三五”规划纲要》在有效推进档案资源体系建设过程中鼓励开展口述历史档案、国家记忆和城市（乡村）记忆工程、非物质文化遗产建档等工作。口述历史档案作为历史文化传承的重要载体与纽带,以记录时代变革、填补记录空缺、保护人类文化遗产等价值和功能受到国内外学者的高度关注。我国悠久的历史文化世代相传,随着时间的洗淘,诸多珍贵的文化遗产已经失传或濒临灭亡。1992年,联合国教科文组织启动世界记忆工程项目,旨在通过国际合作与应用数字技术抢救世界范围内正在逐渐老化、损毁、消失的文献记录。有关口述历史档案的研究最早可追溯至美国哥伦比亚大学口述历史研究室的建立。虽然从启动时间看,我国研究起点较美国晚了近30年,无论理论基础还是实践进展都缺少资源深度开发和知识挖掘,尚处于起步成长阶段。但作为中华文化的守护者和传承者,我国拥有相当丰富且数量庞大的人文资源亟待挖掘。在数字人文的大背景下,如何借助数字人文技术方法检索、利用浩瀚繁杂的口述历史档案资源,将其蕴含的丰富内部事实、数据和知识展现出来,实现口述历史档案资源知识发现具有迫切性和必要性。同时,如何对口述历史档案资源进行深度知识组织、知识关联、知识聚合与知识发现,为用户提供知识服务,也将成为当下及未来档案资源开发利用的研究重点。基于此,本文以口述历史档案资源为研究对象,通过对口述历史档案、知识发现的追本溯源,综合运用文献分析、专家访谈、实证研究等方法,结合口述历史档案资源特征与属性,架构数字人文视域下口述历史档案资源知识发现框架,探究数字人文视域下口述历史档案资源知识发现核心内容,构建口述历史档案资源本体与知识图谱并进行实例可视化展示,深入揭示口述历史档案资源知识元,将其蕴含的人、地、时、事等复杂内容关系予以揭示,辅助和支撑人文学者进行研究,为口述历史档案资源实践应用提供可操作性指导,实现口述历史档案资源多维知识发现。具体来说,核心内容包含4个部分。第3章数字人文视域下口述历史档案资源知识发现逻辑框架本章首先对口述历史档案资源知识发现需求进行分析,对口述历史档案资源知识发现目标进行概述,梳理口述历史档案资源知识发现流程及体系结构。然后,解析口述历史档案资源知识发现构成要素、功能要素、构成要素及功能要素关系,架构数字人文视域下口述历史档案资源知识发现框架。最后,对框架主要模块作用进行解构,包含知识组织的描述与揭示作用,知识关联的存储与链接作用,知识发现的多维挖掘作用。第4章口述历史档案资源本体构建口述历史档案资源纷繁浩杂,如何将零散杂乱的口述历史档案资源组织起来,就需要借助本体来实现。鉴于目前本领域尚未发现可复用的口述历史档案资源本体,故而需要自建本体,这也是本领域的创新之处所在。本章作为第五章的铺垫,通过构建口述历史档案资源本体呈现口述历史档案领域知识认可的概念及概念间的相互关系,从知识组织维度实现口述历史档案资源知识表示,并利用Protégé工具辅以实例可视化展示,验证了本文构建的口述历史档案资源本体具有良好的可操作性与实用性,为第五章口述历史档案资源知识图谱构建提供组织结构基础。第5章口述历史档案资源知识图谱构建本体只是从组织层面实现口述历史档案资源描述与揭示,而知识图谱是基于关联层面实现口述历史档案资源深度聚合。本章首先提出口述历史档案资源知识图谱框架设计构想,包含模式层和数据层,模式层既可以从口述历史档案资源本体解析、本体与图数据库的映射规则以及关系界定入手;也可以直接从口述历史档案资源数据源抽取所需要素。数据层包含信息抽取和知识融合两部分。然后介绍知识图谱存储和绘制工具。最后,基于第四章口述历史档案资源本体结构,引入实验数据源,采用目前主流的Neo4j图数据库构建口述历史档案资源知识图谱进行实例可视化展示,从知识关联维度实现口述历史档案资源深层聚合,构筑口述历史档案资源知识网系,实现知识关联,为第六章口述历史档案资源多维知识发现奠定关系主线。第6章口述历史档案资源多维知识发现本章在第五章口述历史档案资源知识图谱实例展示的基础上,基于知识图谱洞悉口述历史档案资源深层关系,从多维视角深入挖掘口述历史档案资源潜藏的丰富内部事实。具体包含:基于项目整体概况的知识发现、基于事件主题关系的知识发现、基于社会网络关系的知识发现以及基于时空网络关系的知识发现。既可以细致展现出口述历史档案资源间人、地、时、事之间的知识关联,又可以探求涉及同一主题或具有相关关系的多个口述历史档案资源之间的隐性关系,方便领域学者进行后续研究,以佐证本研究具有现实指导意义。综上所述,本研究在数字人文大背景下,将以本体和知识图谱为代表的数字人文技术方法“引介”口述历史档案研究,实现了口述历史档案资源领域本体和知识图谱构建新突破,同时借助实例可视化展示,将人、地、时、事等内容特征及其相互关系予以细粒度描述,从事件、时空以及社会网络关系等层面实现口述历史档案资源深层挖掘与多维知识发现,不仅丰富了多元学科理论与研究方法,而且还推进了口述历史档案资源实践创新。在“技术驱动+知识发现”的催化反应下,为口述历史档案资源深度开发提供了借鉴与可行指导,同时也对口述历史档案资源知识发现及可视化具体实施提供了可操作性框架参考,切实推动了口述历史档案资源知识组织、知识关联、知识发现与知识服务。
张帅[2]（2020）在《分布式移动网络环境下大规模空间社交媒体数据快速增强现实可视化研究》文中指出增强现实技术被广泛誉为下一代人机交互通用平台技术,近年来受到了国内外学界与产业界的重点关注,迎来了爆发式增长。智能手机i OS与Android平台纷纷推出各自底层增强现实API,ARKit与ARCore,使得全球万亿智能手机都成了增强现实设备。2016年AR游戏Pokemon Go刚上线就火爆全球,一个月内获得了13000万次下载,迅速得到全球70多个国家民众的热捧。增强现实技术能够呈现炫酷引人入胜的3D模型动画,但当前领域内对简单社交多媒体数据,如文字、图片、音频、视频等,的增强现实可视化体验关注不够,而社交媒体数据却是普通用户最容易生产的数字内容,必然伴随着增强现实技术应用的普及而大规模产生。因此,研究社交媒体数据在增强现实环境中可视化问题,对增强现实技术的进一步平民化普及具有重要意义。在如今的大数据时代,当社交媒体数据规模日渐庞大时,在分布式移动网络环境下,研究大规模社交媒体数据快速增强现实可视化问题有着极其重要的应用价值,可视化效率问题严重影响着增强现实前端的用户体验,而优良的数据组织机制、高性能的数据处理架构是增强现实前端快速可视化的首要问题,因此本文的研究重点在于利用大数据技术去支撑增强现实前端快速可视化。另一方面,与传统社交媒体应用不同,社交媒体数据增强现实可视化问题是在现实生活中真三维环境中呈现的,具有鲜明的地理空间属性,属于空间社交媒体数据,因此,大规模空间社交媒体数据增强现实可视化能否快速响应一个关键因素是能否有效利用地理空间信息。本文在前人的研究基础上,对大规模空间社交媒体数据快速增强现实可视化问题的研究,主要从以下几个方面展开:（1）针对大规模空间社交媒体数据的增强现实可视化数据特征,研究适合网络大规模数据传输的空间社交媒体数据规范,提出了Geo ARMedia数据模型规范。Geo ARMedia数据规范参考了现行gl TF与Geo JSON数据标准,定义了常见空间社交媒体的数据模型规范,明确了常见多媒体数据类型（文本、图片、音频、视频等）的存储表达规范。（2）面向分布式集群环境下的大规模空间社交媒体数据存取技术需求,构建了利于数据库跨尺度平滑读写稳态Z曲线算法,研究了大规模空间社交媒体数据基于稳态Z曲线的常见空间查询算法,提出了基于稳态Z曲线的大规模空间社交媒体数据的分布式数据划分策略,优化数据分布式存储结构,提高了空间社交媒体数据的分布式存取效率。（3）研究基于智能手机设备的移动增强现实前端可视化空间的构建,定义了空间社交媒体数据在移动增强现实前端的可视域以及三层空间交互架构,提出了空间社交媒体数据增强现实可视化的球面模型,同时研发了借助地理信息能够大幅提高增强现实识别图命中效率的大规模社交图片检索的时空耦合算法,有效提升了空间社交媒体数据在移动前端增强现实可视化效率。（4）为了在分布式移动网络环境下快速响应大规模空间社交媒体数据加载请求,保障前端增强现实可视化的效率与稳定性,本文提出了空间社交媒体数据增强可视化多级缓存机制,利用空间社交媒体数据的空间邻近性,提出了增强现实可视化前端缓存预调度机制,以及基于地理位置的热点数据云端探测与分布式缓存调度机制,有效保障了增强现实快速可视化的速度与高并发响应要求。（5）大规模空间社交媒体数据增强现实可视化伴随着海量的计算任务,本文研究了大数据技术以及高性能计算技术,研发了面向大规模空间社交媒体数据的并行处理计算框架,提出了一种大规模空间社交媒体数据并行处理的代数方法,能够简洁有效的描述并行处理任务,组织调度多个并行计算算子协同工作共同完成相关任务,支撑了大规模空间社交媒体数据快速处理。（6）结合当前流行分布式数据库、大数据技术、可拓展网络服务架构、移动前端3D引擎技术,依托前文的研究成果,本文设计并开发了大规模空间社交媒体数据快速增强现实可视化原型系统——视网么,详细讨论了常见空间社交媒体数据的增强现实交互与视觉设计,实现了前后端增强现实服务,同时研发了移动端社交媒体数据增强现实编辑器,大范围降低了社交媒体数据增强现实内容生产门槛,最后本文以南京大学仙林校区周边为例展开应用实验,测试表明视网么在应对TB级数据规模千万级并发访问的空间社交媒体数据前端增强现实可视化任务可以在1秒内完成前端响应,达到了理想的研究实验效果。
教育部[3]（2020）在《教育部关于印发普通高中课程方案和语文等学科课程标准（2017年版2020年修订）的通知》文中研究指明教材[2020]3号各省、自治区、直辖市教育厅（教委）,新疆生产建设兵团教育局:为深入贯彻党的十九届四中全会精神和全国教育大会精神,落实立德树人根本任务,完善中小学课程体系,我部组织对普通高中课程方案和语文等学科课程标准（2017年版）进行了修订。普通高中课程方案以及思想政治、语文、
王洋[4]（2020）在《基于内容的多媒体检索重排方法研究》文中提出随着多媒体信息的爆发式增长,人们对多媒体检索的效率和准确率要求越来越高。在多媒体检索过程中,多媒体对象特征提取是所有检索方法的基础。而特征的长度决定了大多数检索算法的效率。因此如何有效的降低多媒体特征维度的同时又不破坏其内在的相似度关系成为了研究者们亟待解决的问题之一。与此同时,基于图的多媒体检索重排方法因其能有效减小检索过程中的语义鸿沟也受到广泛的关注。一般来说,基于图的重排方法分为基于全局的重排方法和基于局部的重排方法两类。而局部重排方法因其不需要反复迭代,在计算效率上高于全局方法而受到更多研究者们的关注。本文针对多媒体特征的维度缩减以及局部重排方法分别提出了一种方法。多媒体特征往往分布在高维空间的流形上,线性降维方法往往不能保留多媒体对象间的相似关系,因此非线性降维通常是更好的选择。局部线性嵌入（LLE）由于在低维空间中保留了原始空间局部的近邻线性关系,在基于图的多媒体重排序方法中往往能取得更好的效果。然而,LLE算法由于无法实现out-of-sample的降维而不适合检索的环境。为了解决这一问题,本文提出了基于RVFL实现的out-of-sample的LLE降维。该方法通过RVFL网络拟合LLE的降维过程,通过网络实现了out-of-sample的非线性降维。另一方面,在多媒体检索重排的相似度重度量阶段,本文提出了一种基于局部近邻位次信息的相似度度量方法LNRI。该算法受到社交网络中近邻关系的启发,利用局部近邻的位次信息重新度量多媒体对象间的相似度。通过近邻信息,该算法有效利用了多媒体对象的上下文信息,进而缩小了检索过程中的语义鸿沟。为了验证本文提出的算法的有效性,本文在四个图像数据集、一个音乐数据集和两个视频数据集上进行了实验。实验结果显示降维算法和LNRI算法能够有效提高检索效率和准确率。
刘建平[5]（2020）在《科学数据用户相关性判断模型研究》文中进行了进一步梳理在开放科学环境和“数据密集型”科学研究范式的驱动下,科学数据的重要性持续提升。在FAIR原则和关联数据技术的影响下,更多的科学数据以富含语义的形式进入网络传播。然而,我们对科学数据用户如何做出某条科学数据相关与否的判断过程知之甚少。因此,本研究以科学数据用户相关性判断行为及其认知机理为研究切入点,理解和建模科学数据用户相关性判断过程,以期丰富和拓展信息科学领域相关性研究,同时为科学数据专属的搜索技术研发提供理论基础。相关性是信息科学的基础概念之一,理解用户对特定类型信息对象做出相关性判断的过程、原理、影响因素以及作用效果,始终是信息科学特别是信息检索学者们的关注点。学者们先后研究了科技论文、文本文档、网页、多媒体、社交媒体等多种类型的相关性,大数据以及科学数据的相关性是最近的关注,并且因其区别于其他信息类型的认知和技术特点而吸引了越来越多的研究兴趣。本论文尝试以实证的方式构建科学数据用户相关性判断模型。通过对用户相关性判断过程的描述、核心认知过程量化验证和模型的算法化设计,进而为科学数据搜索与推荐提供理论基础。为此,本研究在综述已有研究的基础上提出了认知导向的相关性判断假设性概念模型和相应的研究目标。并基于此,顺次开展了三个层次的实证研究:1)科学数据用户相关性判断描述性概念模型研究;2)科学数据用户相关性判断实证性量化模型研究;3)多标准相关性排序（Multi-Criteria Relevance Ranking,MCRR）算法及其应用框架设计。本研究共得出以下研究结论:首先,论文通过静态要素识别验证了科学数据用户相关性判断描述性概念模型。模型中识别了24个科学数据信息元（Scientific Data Information Elements,SDIEs）、3类决策规则、12个一级相关性标准、4类相关性标准维度。基于此,论文提出了TAQA-U（Topicality,Availibility,Quality,Authority and Usefulness）科学数据用户相关性标准结构,为用户导向的科学数据查询与检索实践提供了“静态”指导原则。其次,基于偏最小二乘结构方程模型（Partial Least Squares Structural Equation Modeling,PLS-SEM）量化方法,实证验证了科学数据查询与检索交互过程中科学数据相关性标准使用结构模型,即科学数据用户相关性判断实证性量化模型。论文验证了主题相关性标准在用户相关性判断中的先决条件作用,验证了可用性、质量和权威性的中介作用,验证了有用性作为科学数据用户判断数据对象的结果变量。同时,研究实证验证了科学数据用户相关性判断的个性化认知模式主要体现在相关性标准动态组合使用的差异上。最后,基于描述性概念模型和实证性量化模型研究发现与结果,研究设计了多标准相关性排序（MCRR）算法及其应用框架。该算法综合考虑了用户多标准相关性判断的认知本质:1)综合计算多标准得分,而非主题词匹配模式下的单一维度相关性;2)引入优先级算子计算不同标准（集）之间的等级关系。同时,研究提出了认知导向的科学数据检索与推荐框架以支撑个性化科学数据检索与推荐实践。综合以上研究结果与发现,论文的主要学术贡献与创新体现在:1)论文从三个水平（描述性概念模型/实证性量化模型/算法化表达）创新地提出并验证了科学数据用户相关性判断模型。同时,将用户相关性判断研究对象拓展到科学数据及其用户,在理论上丰富和发展了用户相关性研究进程。2)探索了从描述性概念模型到量化模型到算法表达的连续性用户相关性判断研究路径;3)提出了认知导向的科学数据检索与推荐框架,为智能、个性化科学数据检索与推荐提供了理论基础。未来研究将在理论和实践上进一步丰富和发展认知导向的科学数据查询与检索研究。在理论上,扩大研究情境（如科学数据与科技文献的关联搜索）和用户类型（如专门针对科学数据领域专家）,完善和发展已有理论模型;在实践上,以个性化科学数据检索与推荐为切入点,开发认知导向的科学数据查询与推荐系统,提升科学数据的复用率和价值,支撑开放科学背景下的科研创新。
石林[6]（2020）在《网络Flash动画学习资源的内容结构特征与检索研究》文中研究表明教育信息化是提升教育教学质量的重要手段,是进行教育教学创新应用的基础条件。教育信息化离不开数字化学习资源建设。作为数字化学习资源类型之一的Flash动画是传递信息内容的重要媒体,更是一种重要的网络学习资源,其内容由文本、图形、图像、音频、视频、交互、动态效果等组成。因其强大的多媒体交互及表现能力,Flash动画被广泛应用于远程教学、精品课程网站、慕课平台等领域。网络上积累了海量的Flash动画资源,给动画需求者的检索带来了很多的干扰。学习者如何迅速精准地获取自己需要的Flash动画,是Flash动画搜索引擎需要解决的难题。目前的网络Flash动画检索一般是基于关键词、元数据特征或者网页上下文,检索准确率不理想。于是人们展开了对Flash动画内容特征的深入分析与研究。本研究的选题正是基于SWF格式的文件组织结构,对Flash动画的内容结构特征如场景结构特征、组成元素特征和画面情感特征等进行分析。论文依据Flash动画语义提取的四层框架（即元数据、组成元素、场景、语义层）分别研究了场景特征提取、组成元素特征提取、画面情感特征提取等多项关键技术。该研究的意义主要是为教育教学工作者和网络自学习者以及Flash动画爱好者提供快速、精准的Flash动画搜索服务,从而提高网络Flash动画学习资源的教育应用效率,充分发挥其教育特性。论文首先给出了网络Flash动画学习资源的定义,分析并建立了Flash动画的内容结构特征描述模型;然后构建出场景结构模型,提出场景的分割算法以及场景特征的提取过程;再后,分析并完成了组成元素特征的提取;最后建立了Flash动画的情感分类模型,利用机器学习获得低层视觉特征（主要为颜色和纹理）到高层情感语义的映射关系,从而完成Flash动画的情感分类,并分别用BP神经网络、支持向量机和卷积神经网络进行情感识别,分析不同学科、学段和教学类型的Flash动画画面情感特征的区别。论文的研究结果为最终将前期提取的场景特征、组成元素特征、情感特征存入索引数据库,建立基于内容的Flash动画检索系统,用于网络用户的Flash动画检索。基于此数据库,论文最后还通过实验,利用灰色关联法验证了Flash动画包含的各内容结构特征与学习者的学习兴趣的关联度。结果表明Flash动画中的动态效果特征与学习兴趣的关联度最高,在激发学习者兴趣、集中学习者注意力方面起着重要的作用;不同学段、不同学科的Flash动画中,对学习者学习兴趣唤起起关键作用的内容结构特征是不一样的。实验结果能够为Flash动画课件创作者在开发Flash动画课件时按照不同学段和学科进行视觉特征选择提供理论指导。基于前期研究者开发的网络动画爬取程序,本研究从网络上下载了大量Flash动画,从中筛选出教育特征明显、能辅助进行知识学习的4808个Flash动画学习资源作为本研究的样本库。参考教育理论和查阅文献,本文将这4808个样本按学科、学段来划分,并且提取的视觉场景、组成元素特征、情感特征都按照不同学段、不同学科进行分析,获得不同学段和学科的Flash动画的特征,为后期的Flash动画自动分类工作提供指导。本文的创新之处在于建立了Flash动画的内容结构特征描述模型,并从学段、学科、教学类型三个维度分析了网络Flash动画学习资源的内容结构特征;建立了场景结构模型,并提出了基于颜色直方图和边缘密度相结合的视觉场景分割算法;建立了情感分类模型,分别基于神经网络、支持向量机、卷积神经网络完成Flash动画的情感语义识别;分析了网络Flash动画学习资源的内容结构特征与学生学习兴趣的关联度。
李静[7]（2020）在《基于语义和兴趣的图像/视频检索与认证技术研究》文中指出随着互联网、社交媒体以及移动多媒体终端的迅猛发展,文本、图像、音频、视频等多媒体数据越来越深入地融入到人们的生活、工作、学习中。特别是,随着多媒体应用的日益增多,以图像和视频为主体的多媒体数据的生成、获取、处理和传播变得越来越普及,人们获取信息的载体从传统的文本形式,扩展到了现在以图像和视频为主的多样化的多媒体形式。在当今的信息社会中,图像和视频已经成为了最主要的信息载体,图像和视频检索也逐渐成为人们获取信息的主流途径之一。自从上世纪七十年代图像检索兴起以来,图像和视频检索就一直是信息检索理论研究和实际应用领域中的热点。近年来,随着多媒体技术和各类多媒体应用的蓬勃发展,用户对检索在性能和体验方面的需求不断提升,精准、高效、安全和个性化的检索已经逐渐成为用户的刚性需求。对于一个检索系统来说,从用户确定检索目的、形成查询输入搜索引擎,到检索系统根据查询进行数据的比对匹配,最后检索系统再将数据反馈给用户,构成一个完整、闭合的过程。在整个检索过程中,每一个环节的信息损失和失配都会对检索性能造成影响;因此,本文从目前制约检索性能提升的关键因素出发,针对搜索引擎与数据之间的“语义鸿沟”、用户与查询之间的“意图鸿沟”和数据（或搜索引擎）与用户之间的“信任鸿沟”等三个影响检索性能的关键问题,探讨了解决思路并分别提出了解决方法。从“语义鸿沟”到“意图鸿沟”再到“信任鸿沟”的研究,是满足用户不断提升的检索需求的需要。“语义鸿沟”是指图像和视频的视觉特征与用户对图像和视频理解的语义之间的距离,弥补“语义鸿沟”的目的是能够精准和高效地检索到在主题上与查询匹配的结果。随着用户对检索结果的个性化需求越来越高,对于检索的评价开始从“主题”扩展到“意图”维度上;也就是说,用户希望检索到能够符合其内在搜索意图或者个人兴趣的结果。弥补用户内在的搜索意图与其提交给检索系统的查询之间存在的“意图鸿沟”,就成为了进一步提升检索质量的关键。同时,随着图像和视频的编辑技术越来越普及,图像和视频的伪造和篡改现象越来越严重,致使检索结果的可信性问题逐渐凸显出来。人们对检索结果的信任度与媒体数据自身的可信度之间的差距,即“信任鸿沟”,成为了图像和视频检索领域不得不解决的问题;对检索结果进行可信性认证十分必要。本文针对图像和视频检索中存在的“语义鸿沟”、“意图鸿沟”以及“信任鸿沟”等三个关键问题展开研究,创新性成果主要包括:1、针对“语义鸿沟”问题,以对视频特征的语义表达能力和区分能力要求更高的视频拷贝检测为关注点,提出了一种基于3D CNN的视频拷贝检测方法。该方法采用三维卷积神经网络3D CNN同时捕捉视频空域和时域两个方面的特征,并在降低3D CNN训练过程复杂度和解决数据资源不足两个方面进行了研究。为了降低网络的构建难度和计算复杂度,降低对硬件配置的要求,提出了一种3D CNN组成的并行体系结构,将多分类任务分解为多个二分类任务的组合。由于该并行体系结构中的每个3D CNN仅用作一个二分类器,使得对CNN的训练难度和数据量的要求大大降低。此外,并行3D CNN的网络结构具有对未知类别数据进行分类的能力,并且可以随着新类别的加入而扩展。为了解决数据资源不足的问题,采用等间隔采样的分段方法对视频数据进行了增强处理,保证每个视频段均能最大化呈现视频内容;在测试阶段,只需输入少数视频段就能达到较高的识别率,大大节省了识别时间,为视频分类的实时处理提供了参考。实验表明,该方法在拷贝检测中得到了很好的效果,所提取的视频特征具有很强的语义表达能力。2、针对“意图鸿沟”问题,以对用户意图和兴趣具有高度依赖的电影推荐系统为参考,提出了一种基于电影推荐的用户兴趣计算方法。该方法根据IMDB以图文并茂的形式进行电影介绍的特点,结合面向图文检索的跨媒体学习方法,构建能够同时体现电影图文信息的特征向量;在进行用户兴趣计算的过程中,在用户评分矩阵的基础上,引入时间因子,在综合用户长期兴趣与短期兴趣对兴趣计算影响的基础上,进行用户兴趣的初始化;然后,将电影的特征向量与初始化用户的兴趣向量进行迭代,获得优化后的用户兴趣;最终,根据计算得到的用户兴趣,通过基于用户的协同过滤的评分预测机制进行电影推荐,采用对电影推荐的评价实现对用户兴趣计算性能的评价。通过在Movielens数据集上的电影推荐进行验证表明,该方法在预测用户兴趣的准确性和收敛性上都有明显的提高,有望在缓解图像和视频检索中的“意图鸿沟”问题方面得到应用。3、针对“信任鸿沟”问题,采用主动认证的方式对图像/视频进行内容完整性和真实性认证,提出了一种保证图像质量的认证水印方法。该方法基于人类视觉系统在视觉感知过程中对不同方向的感知灵敏度差异,利用三个低频系数提取包括图像中水平、垂直和对角线信息的复杂方向特征图。同时,利用每个图像DCT块的直流系数和三个低频交流系数分别生成亮度和纹理特征图,将上述三个特征图进行融合,得到最终的视觉显着图。根据该视觉显着图对JND模型进行优化,将优化后的JDN模型应用于调控认证水印的视觉质量。实验结果表明,提出的水印方案在认证方面有较好的性能。
刘奕[8]（2020）在《5G网络技术对提升4G网络性能的研究》文中认为随着互联网的快速发展,越来越多的设备接入到移动网络,新的服务与应用层出不穷,对移动网络的容量、传输速率、延时等提出了更高的要求。5G技术的出现,使得满足这些要求成为了可能。而在5G全面实施之前,提高现有网络的性能及用户感知成为亟需解决的问题。本文从5G应用场景及目标入手,介绍了现网改善网络性能的处理办法,并针对当前5G关键技术 Massive MIMO 技术、MEC 技术、超密集组网、极简载波技术等作用开展探讨,为5G技术对4G 网络质量提升给以了有效参考。
张艳萍[9]（2020）在《基于聚合计算中间件的高速公路救援报警系统设计与实现》文中认为为了解决高速公路事故发生时报警不及时、报警定位不准确、报警叙述存在偏差而导致救援延误的问题,论文设计一款基于微信的高速公路应急救援报接警系统。针对当前报警系统中手机报警存在重复警情较多,容易造成出警时混乱的问题,在数据点时空属性的基础上,考虑其多媒体属性所包含的信息价值,提出了一种基于多媒体数据特征的点聚合方案。进一步地,为了解决报警数据量大、数据存储方式多样、数据结构不统一等问题,在数据集成中引入中间件和JSON技术,设计了基于JSON的数据集成中间件模型。论文的主要工作如下:（1）提出一种基于多媒体数据特征的点聚合算法。基于多媒体数据所含信息全面、准确的特性,针对报警过程中存在重复报警、虚警等实际问题,考虑数据点发生的时间与发生时的状态,设计一种聚合计算方案。该算法综合考虑数据点的地理位置信息、多媒体特征和时间信息,实现报警点的有效聚合,进而对报警数据可视化设计,减少接警人员因报警数据的重复显示而产生的误判和资源调度浪费。（2）设计了基于JSON的数据集成中间件。针对高速公路报警数据量大、数据源异构等问题,在数据集成中间件中引入轻量化的JSON数据交换格式,利用JSON-LD对本体描述,消除了数据语义异构的问题;同时在该中间件模型中加入查询重写算法Mini Con和选择复制器,为共性很大的查询请求建立虚拟视图,提高了系统的运行效率。（3）设计并实现基于微信的高速公路应急救援报接警系统。该系统主要设计一键式报警模块、多媒体警情采集模块、报警详情可视化模块、事件查询与处理等模块,完成紧急救援报接警的统一整体。系统前端子系统利用微信Web开发者工具开发,后端子系统采用Java语言实现。综上所述,论文结合自发地理信息的思想,将司机或过路行人采集的数据作为数据源,构建一个“司机/路人-高速公路-交警”的报接警方案。构建的高速公路应急救援报接警系统,通过基于多媒体数据特征的点聚合算法的设计为聚合计算提供更加全面的信息,解决了接警端警情显示紊乱的问题;将基于JSON的数据集成中间件应用其中,消除数据语义与语法异构的同时,提升了系统查询与运行效率。系统的设计与开发,实现了高速公路紧急事故发生者与接警人员之间的高效连接,为指挥调度平台提供更好的技术支撑。
李洁[10]（2019）在《数据驱动下数字图书馆知识发现服务创新模式与策略研究》文中研究说明我们已经从信息时代走进了数据驱动的“智能时代”,数据成为人们认识和解决问题的新的逻辑起点。“数据驱动”打破了基于知识解决问题的思维桎梏,形成了从问题到数据又回归问题的新方法论认识——基于数据解决问题。这一研究范式将数字图书馆知识发现服务从对问题本源的探索推向知识服务的本真,可以说,从数据直面用户、管理和服务为大数据环境下的数字图书馆知识发现服务供给侧的改革提供了一种新思路:知识发现服务要改变的不只是管理技术、管理规则或服务形式,而要涉及整个管理理念和服务体系。而大数据环境中,数字图书馆信息发生源越来越多,数据产出量越来越大,数字资源增长速率越来越快,数据异构性越来越明显,数据老化节奏越来越快,低价值密度隐患的知识饥渴和数据海啸的矛盾越来越突出,用户对发现服务的需求越来越多元,数字图书馆数据资源正面临着重新被发现的挑战。迎面变化和挑战,数字图书馆的知识发现服务不单要完成从文献数字化到内容数据化的知识组织转型,更应实现数字资源从内容数据化到数据智能化的价值开发和智慧洞见。数据驱动的科研范式开辟了知识发现的新路径,开启了数字图书馆知识服务的时代新转型。探索数据驱动理念下的数字图书馆知识发现服务模式的新形态,需要学习、内化数据科学相关理论,需要剖析知识发现的驱动要素和作用机制,需要打破传统的资源发现固化模式,创建知识发现服务的创新生态功能圈。融合数据驱动和知识发现的双重技术优势,数字图书馆知识发现服务创新模式应趋从数据化、数据向知识转化的语义关联、可视化和智能化驱动维度寻求用户数据、内容资源数据、专家数据、业务数据的新协同,开发用户画像、研究设计指纹、精准文献推荐等的新应用,强化数据的集群整合、提升平台的绿色联通、实现用户界面的友好交互,使数字图书馆成为支持用户知识探索与发现创造的智能服务系统,使数据资源最大化的进行价值开发与知识转化,使用户随时随地都能受益于数字图书馆高效、便捷、友好与智能的知识发现服务体验。基于此,本文通过对数据驱动、知识发现研究成果的追本溯源,界定数据驱动下的数字图书馆知识发现服务的核心理念;通过文献分析、调查访谈、仿真实验、模型训练等方法的综合运用,分析数字图书馆知识发现服务创新的数据环境、驱动机制、创新模式、模式应用以及创新策略制定。围绕主要研究内容,本文第三章从数据环境特征、数据环境变化和数据环境开发分析数据驱动下的数字图书馆知识发现服务的机遇与挑战;第四章结合数据要素、数据驱动过程、数据驱动维度探讨数字图书馆知识发现服务的数据驱动动力机制、流机制、协同驱动机制和数据驱动控制机制;第五章通过对数字图书馆知识发现服务模式创新衍变的内在使命分析,指出数字图书馆知识发现服务创新模式的构建依据、构建基础和构建过程;第六章对数字图书馆知识发现服务创新模式进行具体的用户画像、研究设计指纹、文本推荐和多粒度检索决策应用;第七章针对数字图书馆知识发现服务创新模式的具体瓶颈给出各驱动维度的应对策略。具体内容阐述如下:第3章数据驱动下数字图书馆知识发现服务的数据环境分析本章是对大数据驱动环境下的数字图书馆知识发现服务场域的情境解构。首先,基于大数据的4V特征,面向全数据,分析数字图书馆知识发现服务在数据形态、存在方式、存储模式、存储内容、数据价值等方面的特性。其次,探讨数据化、新一代信息技术、数据分析思维、数据密集型科学发现范式影响下的数字图书馆知识发现服务革新的优劣利弊。最后,基于环境特性和环境变化的双向作用状态定位数字图书馆知识发现服务发展的开发方向。明确本文研究目的的同时,引出4、5、6、7章节的主要研究任务。第4章数字图书馆知识发现服务创新的数据驱动机制分析本章作为第5章的铺垫,详细解析数字图书馆知识发现服务平台的数据要素和驱动作用形式。通过用户数据、资源内容数据、专家数据的分类界定,为第6章科研用户画像、研究设计指纹、精准文献推荐等的服务模式应用提供数据基础;通过数据化、语义关联、可视化、智能化的数据驱动维面的层级解构,为第7章的创新策略制定奠定优化主线;基于数据要素、驱动过程和驱动维面,从内外力作用的动力机制、输入-输出的流机制、数据融合的协同驱动机制以及数据驱动控制机制具体呈现数据驱动与知识发现服务交互融合的催化反应。第5章数据驱动下数字图书馆知识发现服务创新模式研究在前文研究的基础上,本章首先对数据驱动下数字图书馆知识发现服务创新模式的构建进行内在逻辑分析;其次,从资源发现既有模式、知识产品和技术支持方面阐述实现数字图书馆知识发现服务创新的外在基础;最后,综合内在逻辑和外在基础,进行创新模式的基础框架和平台架构的初步解构,并在此基础上进行数据驱动下的数字图书馆知识发现服务创新功能圈构建。第6章数据驱动下数字图书馆知识发现服务创新模式应用研究本章在第5章提出的创新模式的基础上,分别利用科研用户数据进行数字图书馆百度发现的科研用户画像构建,利用文献数据进行以研究对象、研究问题与研究方法为核心要素的研究设计指纹构造,结合用户画像和研究设计指纹实现精准文献推荐,并通过用户检索实验验证多粒度检索决策的优势。第7章数据驱动下数字图书馆知识发现服务创新策略研究基于第4章对数据驱动维度和驱动机制的分析,本章旨在明确数据化、语义化、关联化、可视化和智能化驱动的创新方向并进行相应的优化路径设计,针对数字图书馆知识发现服务创新的制约因素,给出切实可行的解决方案与对策建议。大数据环境下,重新界定数据驱动下的数字图书馆知识发现服务的内涵、探讨数字图书馆知识发现服务的数据驱动机制、创新数字图书馆既有的资源发现服务模式,有利于从方法论认识层面为数字图书馆知识发现服务的供给侧改革提供理论支持。数字图书馆知识发现服务的意义不仅在于它的统一检索及其延伸功能,更在于此基础上辅助科学发现的循证决策、智能管理和知识再造的服务价值。在人类不断探索未知与努力认识未知的道路上,数据驱动+知识发现的催化反应为科学发现的方法探索提供了一个可行参考,推动着数字图书馆知识发现服务在不断革新的历程中惠及更多的求知受众。
二、领域相关多媒体对象的基于内容查询（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、领域相关多媒体对象的基于内容查询（论文提纲范文）
（1）数字人文视域下口述历史档案资源知识发现研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题背景 |
| 1.2 研究意义 |
| 1.2.1 理论意义 |
| 1.2.2 实践意义 |
| 1.3 国内外研究现状 |
| 1.3.1 口述历史档案研究现状 |
| 1.3.2 知识发现研究现状 |
| 1.3.3 研究现状述评 |
| 1.4 研究内容、研究方法与技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 1.4.3 技术路线 |
| 1.5 创新点 |
| 第2章 相关概念与理论基础 |
| 2.1 概念界定 |
| 2.1.1 口述历史档案 |
| 2.1.2 口述历史档案资源 |
| 2.2 档案信息资源开发理论 |
| 2.2.1 档案信息资源开发含义 |
| 2.2.2 档案信息资源开发意义 |
| 2.2.3 档案信息资源开发原则 |
| 2.3 本体理论 |
| 2.3.1 本体概念 |
| 2.3.2 本体分类 |
| 2.3.3 本体构建流程 |
| 2.3.4 本体在档案领域的应用 |
| 2.4 知识发现理论 |
| 2.4.1 知识发现定义 |
| 2.4.2 知识发现过程 |
| 2.4.3 知识发现方法 |
| 2.5 本章小结 |
| 第3章 数字人文视域下口述历史档案资源知识发现逻辑框架 |
| 3.1 数字人文视域下口述历史档案资源知识发现需求分析 |
| 3.1.1 数字人文时代的必然要求 |
| 3.1.2 口述历史档案资源开发需求 |
| 3.2 数字人文视域下口述历史档案资源知识发现目标与体系架构 |
| 3.2.1 口述历史档案资源知识发现目标 |
| 3.2.2 口述历史档案资源知识发现流程及体系结构 |
| 3.3 数字人文视域下口述历史档案资源知识发现框架 |
| 3.3.1 口述历史档案资源知识发现构成要素 |
| 3.3.2 口述历史档案资源知识发现功能要素解析 |
| 3.3.3 口述历史档案资源知识发现要素及功能关系 |
| 3.3.4 口述历史档案资源知识发现框架构建 |
| 3.4 数字人文视域下口述历史档案资源知识发现框架主要模块作用解构 |
| 3.4.1 口述历史档案资源知识组织的描述与揭示作用 |
| 3.4.2 口述历史档案资源知识关联的存储与链接作用 |
| 3.4.3 口述历史档案资源知识发现的多维挖掘作用 |
| 3.5 本章小结 |
| 第4章 口述历史档案资源本体构建 |
| 4.1 口述历史档案资源知识组织原则 |
| 4.2 口述历史档案资源元数据标准选择 |
| 4.3 口述历史档案资源元数据抽取 |
| 4.4 口述历史档案资源本体模型设计 |
| 4.4.1 术语词表构建 |
| 4.4.2 确认类的等级体系,定义类和属性 |
| 4.4.3 充实、修正本体 |
| 4.4.4 本体模型转换 |
| 4.5 口述历史档案资源本体实例化 |
| 4.6 本章小结 |
| 第5章 口述历史档案资源知识图谱构建 |
| 5.1 口述历史档案资源知识图谱框架设计 |
| 5.2 模式层组织 |
| 5.2.1 本体解析 |
| 5.2.2 本体与图数据库规则映射 |
| 5.2.3 关系界定 |
| 5.3 数据层组织 |
| 5.3.1 信息抽取 |
| 5.3.2 知识融合 |
| 5.4 知识图谱存储与绘制 |
| 5.5 口述历史档案资源知识图谱实例化 |
| 5.5.1 数据准备 |
| 5.5.2 口述历史档案资源知识图谱模式层组织 |
| 5.5.3 口述历史档案资源知识图谱数据层组织 |
| 5.5.4 口述历史档案资源知识图谱存储与绘制 |
| 5.5.5 口述历史档案资源知识图谱可视化 |
| 5.6 本章小节 |
| 第6章 口述历史档案资源多维知识发现 |
| 6.1 基于项目概况的知识发现 |
| 6.1.1 整体—局部分布 |
| 6.1.2 项目—时间分布 |
| 6.1.3 项目—地点分布 |
| 6.2 基于事件主题关系的知识发现 |
| 6.2.1 事件—项目关系的知识发现 |
| 6.2.2 事件—时间关系的知识发现 |
| 6.2.3 事件—地点关系的知识发现 |
| 6.3 基于社会网络关系的知识发现 |
| 6.3.1 基于口述项目本身的社会关系 |
| 6.3.2 基于口述项目内容的社会关系 |
| 6.4 基于时空网络关系的知识发现 |
| 6.4.1 基于社会关系的人物空间分布分析 |
| 6.4.2 基于任职经历的人物时空迁移轨迹分析 |
| 6.5 本章小节 |
| 第7章 研究结论与展望 |
| 7.1 研究结论 |
| 7.2 研究局限 |
| 7.3 研究展望 |
| 参考文献 |
| 作者简介与研究成果 |
| 致谢 |
（2）分布式移动网络环境下大规模空间社交媒体数据快速增强现实可视化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 增强现实技术 |
| 1.1.2 大数据特征 |
| 1.2 研究现状综述 |
| 1.2.1 户外增强现实技术 |
| 1.2.2 增强现实地图研究 |
| 1.2.3 相关研究进展分析 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容与关键问题 |
| 1.3.2 研究思路与技术路线 |
| 1.3.3 论文组织结构 |
| 第2章 空间社交媒体数据存储规范 |
| 2.1 大规模空间社交媒体数据存储方案 |
| 2.1.1 关系型空间数据存储方案 |
| 2.1.2 分布式NoSQL数据存储 |
| 2.2 空间社交媒体数据NoSQL表达 |
| 2.2.1 空间数据的JSON表达 |
| 2.2.2 社交媒体数据的空间描述 |
| 2.3 典型空间社交媒体数据存储规范 |
| 2.3.1 文本数据类型存储规范 |
| 2.3.2 图像数据类型存储规范 |
| 2.3.3 音频数据类型存储规范 |
| 2.3.4 视频数据类型存储规范 |
| 2.3.5 三维模型数据类型存储规范 |
| 第3章 基于稳态Z曲线的空间社交媒体数据分布式存储 |
| 3.1 稳态Z曲线的编码构建 |
| 3.1.1 分布式数据库分片键值选择 |
| 3.1.2 空间数据划分的稳态Z曲线构建 |
| 3.2 基于稳态Z曲线的常见空间查询 |
| 3.2.1 K最近邻查询 |
| 3.2.2 点线面空间查询 |
| 3.3 基于稳态Z曲线的负载均衡划分方法 |
| 3.3.1 负载均衡数据划分方法 |
| 3.3.2 实验结果对比分析 |
| 第4章 移动增强现实前端可视化空间构建 |
| 4.1 空间社交媒体可视化空间 |
| 4.1.1 移动增强现实坐标系统 |
| 4.1.2 移动增强现实前端可视化空间构建 |
| 4.1.3 移动增强现实三层可视化空间 |
| 4.2 基于卡尔曼滤波的球面三维注册 |
| 4.2.1 空间社交媒体数据的球面投影 |
| 4.2.2 基于卡尔曼滤波算法相机姿态修正 |
| 4.3 大规模社交图片检索时空耦合算法 |
| 4.3.1 基于图像自然特征的增强现实可视化空间 |
| 4.3.2 社交图片搜索的时空耦合算法原理描述 |
| 4.3.3 图像检索算法测试案例 |
| 第5章 空间社交媒体数据增强现实多级缓存机制 |
| 5.1 增强现实多级缓存架构 |
| 5.1.1 分布式高速读写与高并发访问问题 |
| 5.1.2 增强现实多级缓存架构体系 |
| 5.2 基于空间邻近性的增强现实缓存管理 |
| 5.2.1 常见缓存管理策略问题分析 |
| 5.2.2 基于空间邻近性的缓存预调度策略 |
| 5.2.3 增强现实缓存策略试验与分析 |
| 5.3 增强现实云端热点探测与缓存调度 |
| 5.3.1 局部热点数据探测与缓存调度 |
| 5.3.2 云端缓存命中率测试与分析 |
| 第6章 大规模空间社交媒体数据并行处理框架 |
| 6.1 大数据时代的计算特征 |
| 6.1.1 大数据技术 |
| 6.1.2 云计算技术 |
| 6.1.3 高性能计算 |
| 6.2 大规模空间社交媒体数据并行计算方法 |
| 6.2.1 并行计算算法代数假设 |
| 6.2.2 并行计算算法代数定义 |
| 6.2.3 并行计算算法代数运算谓词 |
| 6.3 大规模空间社交媒体数据并行计算架构 |
| 6.3.1 空间社交媒体数据并行计算框架 |
| 6.3.2 计算任务主从并行调度模式 |
| 6.3.3 空间社交媒体数据并行处理实例 |
| 第7章 原型系统设计与实现 |
| 7.1 移动增强现实原型系统 |
| 7.1.1 原型系统概述 |
| 7.1.2 前后端架构设计 |
| 7.2 原型系统空间界面交互设计 |
| 7.2.1 增强现实人机交互设计 |
| 7.2.2 空间社交媒体数据界面设计 |
| 7.3 原型系统增强现实可视化测试 |
| 7.3.1 增强现实可视化效果演示 |
| 7.3.2 原型系统性能测试 |
| 第8章 结论与展望 |
| 8.1 研究结论 |
| 8.2 研究创新点 |
| 8.3 前景展望 |
| 参考文献 |
| 已发表的研究成果 |
| 致谢 |
（4）基于内容的多媒体检索重排方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 图像特征提取技术的研究现状 |
| 1.2.2 视频特征提取技术的研究现状 |
| 1.2.3 音乐特征提取技术的研究现状 |
| 1.2.4 重排序方法的研究现状 |
| 1.3 主要内容及章节安排 |
| 1.3.1 本文主要内容 |
| 1.3.2 章节安排 |
| 2 问题定义和相关理论 |
| 2.1 多媒体检索中的相关概念 |
| 2.2 图像特征描述子 |
| 2.2.1 HSV颜色直方图 |
| 2.2.2 MSD微结构描述子 |
| 2.2.3 PUD感知一致描述子 |
| 2.2.4 颜色差分直方图 |
| 2.3 视频特征描述子 |
| 2.3.1 OF光流特征 |
| 2.3.2 HOG方向梯度直方图 |
| 2.3.3 HOF光流方向直方图 |
| 2.3.4 MBH运动边界直方图 |
| 2.4 音乐特征描述子 |
| 2.4.1 均方根能量 |
| 2.4.2 CQT恒Q变换 |
| 2.4.3 梅尔频率倒谱系数MFCC |
| 2.4.4 光谱对比度 |
| 2.5 Out-of-sample和数据降维 |
| 2.5.1 PCA主成分分析 |
| 2.5.2 LLE局部线性嵌入 |
| 2.6 重排序方法介绍 |
| 2.6.1 全局重排序算法 |
| 2.6.2 局部重排序算法 |
| 3 基于RVFL的 Out-of-sample算法 |
| 3.1 ELM神经网络 |
| 3.2 RVFL随机向量函数连接 |
| 3.3 基于RVFL的 Out-of-sample算法 |
| 3.3.1算法实验 |
| 3.3.2 实验结果 |
| 3.4 本章小结 |
| 4 基于近邻位次的重排序算法 |
| 4.1 引言 |
| 4.2 算法描述 |
| 4.2.1 基于近邻位次信息的相似度度量 |
| 4.3 多媒体检索实验 |
| 4.3.1 数据集介绍及评价指标介绍 |
| 4.3.2 实验设置及对比算法 |
| 4.3.3 实验结果及分析 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（5）科学数据用户相关性判断模型研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究目标与内容 |
| 1.3 研究设计 |
| 第二章 用户相关性研究综述 |
| 2.1 信息科学中的相关性 |
| 2.1.1 相关性理论 |
| 2.1.2 相关性研究视角 |
| 2.1.3 相关性概念 |
| 2.2 用户相关性判断 |
| 2.2.1 相关性判断的驱动力——信息需求 |
| 2.2.2 相关性判断发生的情境——信息交互过程 |
| 2.2.3 用户相关性判断模型 |
| 2.3 用户相关性标准 |
| 2.3.1 相关性标准的定义与功能 |
| 2.3.2 用户相关性标准识别研究 |
| 2.3.3 相关性标准使用研究 |
| 2.4 本章小结 |
| 第三章 科学数据及其查询与检索研究 |
| 3.1 科学数据的重要性分析 |
| 3.1.1 社会信息中的科学数据 |
| 3.1.2 科学研究中的科学数据 |
| 3.2 数据以及科学数据概念与特征 |
| 3.2.1 数据的基本概念与特征 |
| 3.2.2 科学数据的概念与特征 |
| 3.3 科学数据认知与期望 |
| 3.4 科学数据发现与检索 |
| 3.4.1 系统导向的科学数据检索实践 |
| 3.4.2 用户导向科学数据查询与检索探索 |
| 3.4.3 科学数据查询与检索面临的问题 |
| 3.5 科学数据相关性判断模型研究必要性与意义 |
| 3.5.1 科学数据相关性判断研究的必要性 |
| 3.5.2 科学数据相关性判断研究的意义 |
| 3.6 本章小结 |
| 第四章 科学数据用户相关性判断模型研究设计 |
| 4.1 概念假设模型 |
| 4.1.1 概述 |
| 4.1.2 理论依据 |
| 4.1.3 认识导向的相关性判断假设性概念模型 |
| 4.2 研究目的、目标与科学问题 |
| 4.3 研究设计 |
| 4.3.1 研究方法论 |
| 4.3.2 技术路线 |
| 4.3.3 研究策略 |
| 4.4 本章小结 |
| 第五章 科学数据用户相关性判断描述性概念模型研究 |
| 5.1 概述 |
| 5.2 研究设计 |
| 5.2.1 概念模型与科学问题 |
| 5.2.2 研究过程 |
| 5.3 被试遴选 |
| 5.4 数据收集 |
| 5.4.1 检索前访谈 |
| 5.4.2 相关性判断行为测量与数据采集 |
| 5.4.3 检索后访谈—情境再入式半结构化访谈 |
| 5.5 数据处理与分析 |
| 5.5.1 编码与内容分析 |
| 5.5.2 眼动数据处理 |
| 5.6 研究结果与分析 |
| 5.6.1 科学数据相关性标准识别 |
| 5.6.2 科学数据信息元(SDIEs)及其与标准之间的关系 |
| 5.6.3 科学数据用户相关性/有用性 |
| 5.6.4 相关性判断的认知加工特征分析 |
| 5.6.5 决策规则识别 |
| 5.6.6 科学数据用户相关性判断描述性概念模型总结 |
| 5.7 研究发现与结论 |
| 5.7.1 科学数据相关性判断的认知整合/透镜过程 |
| 5.7.2 科学数据相关性标准结构TAQA-U及其价值 |
| 5.7.3 科学数据相关性标准特征分析 |
| 5.7.4 科学数据相关性判断的多标准决策认知本质 |
| 5.8 本章小结 |
| 第六章 科学数据用户相关性判断实证性量化模型研究 |
| 6.1 概述 |
| 6.2 研究设计 |
| 6.2.1 研究问题 |
| 6.2.2 研究过程 |
| 6.3 第一阶段:描述性验证 |
| 6.3.1 被试遴选 |
| 6.3.2 数据收集 |
| 6.3.3 数据分析 |
| 6.3.4 研究结果 |
| 6.4 第二阶段:实证性量化研究 |
| 6.4.1 概念模型与研究假设 |
| 6.4.2 数据收集与处理 |
| 6.4.3 研究结果与分析 |
| 6.5 研究发现与结论 |
| 6.5.1 科学数据用户相关性标准使用特征分析 |
| 6.5.2 基于相关性标准结构的科学数据用户相关性判断模式分析 |
| 6.6 本章小结 |
| 第七章 多标准相关性排序(MCRR)算法及其应用框架设计 |
| 7.1 概述 |
| 7.2 MCRR多标准相关性排序算法 |
| 7.2.1 算法需求 |
| 7.2.2 算法设计 |
| 7.2.3 MCRR算法流程 |
| 7.2.4 算法功能与价值 |
| 7.3 应用框架设计 |
| 7.3.1 用户导向的科学数据查询与检索模型 |
| 7.3.2 基于MCRR算法的科学数据查询与推荐系统框架 |
| 7.3.3 框架特色介绍 |
| 7.4 本章小结 |
| 第八章 结论与展望 |
| 8.1 研究结论 |
| 8.1.1 提出并验证了科学数据用户相关性判断模型 |
| 8.1.2 探索了多标准相关性性排序算法及其应用框架 |
| 8.2 创新性分析 |
| 8.2.1 理论创新 |
| 8.2.2 研究方法创新 |
| 8.3 研究不足与未来研究 |
| 8.3.1 研究不足 |
| 8.3.2 未来研究与展望 |
| 参考文献 |
| 附录 A |
| 附录 B |
| 附录 C |
| 附录 D |
| 致谢 |
| 作者简历 |
（6）网络Flash动画学习资源的内容结构特征与检索研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究现状 |
| 1.3 研究目的、内容、方法和创新点 |
| 1.3.1 研究目的 |
| 1.3.2 研究内容 |
| 1.3.3 研究方法 |
| 1.3.4 创新点 |
| 1.4 论文内容安排 |
| 第二章 理论基础 |
| 2.1 教育信息化与数字化学习资源建设 |
| 2.2 多媒体信息内容管理理论 |
| 2.3 学习资源的语义分析 |
| 2.4 元数据描述 |
| 2.5 基于内容的信息检索技术 |
| 第三章 网络Flash动画学习资源概述与内容结构特征描述模型 |
| 3.1 网络Flash动画学习资源分析 |
| 3.1.1 网络Flash动画学习资源的特点 |
| 3.1.2 网络Flash动画学习资源的分类 |
| 3.1.3 网络Flash动画在互联网中的存在形式 |
| 3.1.4 网络Flash动画学习资源搜索 |
| 3.2 网络Flash动画在教育教学中的应用分析 |
| 3.2.1 网络Flash动画在教育教学应用中的优势 |
| 3.2.2 网络Flash动画在教育教学应用中的属性分析 |
| 3.3 网络Flash动画学习资源样本集分析 |
| 3.4 网络Flash动画的内容结构特征描述模型 |
| 第四章 网络Flash动画学习资源的场景特征分析 |
| 4.1 网络Flash动画的文件结构 |
| 4.2 网络Flash动画的场景结构模型 |
| 4.3 逻辑场景分割 |
| 4.3.1 逻辑场景 |
| 4.3.2 逻辑场景分割 |
| 4.4 视觉场景分割 |
| 4.4.1 视觉场景 |
| 4.4.2 视觉场景分割 |
| 4.5 场景分割实验与场景特征分析 |
| 第五章 网络Flash动画学习资源的组成元素特征分析 |
| 5.1 组成元素特征概述 |
| 5.2 静态视觉特征提取 |
| 5.2.1 静态视觉特征定义方式 |
| 5.2.2 静态视觉特征提取方法 |
| 5.2.3 静态视觉特征分析 |
| 5.3 动态效果提取 |
| 5.3.1 动态效果定义方式 |
| 5.3.2 动态效果提取方法 |
| 5.3.3 动态效果分析 |
| 5.4 交互特征提取 |
| 5.4.1 交互方式与交互特征 |
| 5.4.2 交互定义方式 |
| 5.4.3 交互特征提取 |
| 5.4.4 交互特征分析 |
| 第六章 网络Flash动画学习资源的画面情感特征分析 |
| 6.1 多媒体画面情感研究现状 |
| 6.2 多媒体画面情感描述模型 |
| 6.2.1 情感分类模型 |
| 6.2.2 画面特征提取 |
| 6.3 网络Flash动画学习资源的画面情感识别 |
| 6.3.1 视觉特征数据预处理 |
| 6.3.2 情感特征数据获取 |
| 6.3.3 基于BP神经网络的情感识别 |
| 6.3.4 基于SVM的学习过程情感识别 |
| 6.3.5 基于CNN的情感识别 |
| 6.4 实验结果综合分析 |
| 6.5 小结 |
| 第七章 基于内容结构的网络Flash动画学习资源检索系统 |
| 7.1 检索系统研究现状 |
| 7.2 检索系统设计 |
| 7.2.1 系统需求分析 |
| 7.2.2 功能模块设计 |
| 7.2.3 数据库设计 |
| 7.3 检索系统实现 |
| 7.3.1 环境要求 |
| 7.3.2 模块实现 |
| 7.3.3 检索界面 |
| 7.3.4 系统测试 |
| 7.4 检索系统的应用 |
| 7.4.1 系统面向对象 |
| 7.4.2 系统应用案例 |
| 7.4.3 案例分析 |
| 第八章 Flash动画内容结构特征与学习兴趣关联度分析 |
| 8.1 实验设计 |
| 8.2 实验平台开发 |
| 8.3 实验实施过程 |
| 8.4 实验分析 |
| 第九章 总结与展望 |
| 9.1 论文工作总结 |
| 9.2 工作展望 |
| 注释 |
| 参考文献 |
| 图索引 |
| 表索引 |
| 附录 |
| 攻读博士学位期间的学术成果 |
| 谢辞 |
（7）基于语义和兴趣的图像/视频检索与认证技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题背景及意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 图像和视频检索面临的挑战 |
| 1.2.1 语义鸿沟 |
| 1.2.2 意图鸿沟 |
| 1.2.3 信任鸿沟 |
| 1.3 研究内容和贡献 |
| 1.4 论文的组织结构 |
| 第二章 图像和视频检索中的关键问题 |
| 2.1 概述 |
| 2.2 语义鸿沟的弥补 |
| 2.2.1 基于单模态媒体的方法 |
| 2.2.2 基于多模态媒体的方法 |
| 2.3 意图鸿沟的弥补 |
| 2.3.1 基于相关反馈的方法 |
| 2.3.2 基于用户信息收集的方法 |
| 2.4 信任鸿沟的弥补 |
| 2.4.1 主动的认证方法 |
| 2.4.2 被动的认证方法 |
| 2.5 本章小结 |
| 第三章 基于3D CNN的视频拷贝检测 |
| 3.1 概述 |
| 3.2 拷贝检测 |
| 3.3 视频特征提取 |
| 3.3.1 静态特征 |
| 3.3.2 运动特征 |
| 3.4 所提出的方法 |
| 3.4.1 3D CNN |
| 3.4.2 并行3D CNN |
| 3.4.3 视频数据集 |
| 3.5 实验与分析 |
| 3.5.1 对完整视频和子视频的分类 |
| 3.5.2 对未知类别视频的分类 |
| 3.5.3 对不同结构的性能比较 |
| 3.6 本章小结 |
| 第四章 基于电影推荐的用户兴趣计算 |
| 4.1 概述 |
| 4.2 用户意图与兴趣 |
| 4.2.1 意图识别 |
| 4.2.2 兴趣计算 |
| 4.3 电影 |
| 4.3.1 电影预告片 |
| 4.3.2 电影描述 |
| 4.3.3 电影属性 |
| 4.3.4 电影情感的估计 |
| 4.4 所提出的方法 |
| 4.4.1 电影特征向量建模 |
| 4.4.2 用户兴趣向量的建立 |
| 4.5 实验与分析 |
| 4.5.1 数据集介绍 |
| 4.5.2 实验结果评价方法 |
| 4.5.3 参数的影响 |
| 4.5.4 与基于电影推荐的兴趣计算方法比较 |
| 4.6 本章小结 |
| 第五章 基于数字水印的图像内容认证 |
| 5.1 概述 |
| 5.2 传统的伪造方法 |
| 5.3 深度伪造的方法 |
| 5.4 数字认证水印 |
| 5.4.1 数字认证水印的基本特性 |
| 5.4.2 现有方法介绍 |
| 5.5 所提出的方法 |
| 5.5.1 视觉显着性模型 |
| 5.5.2 基于视觉显着性的JND模型 |
| 5.5.3 基于JND的水印量化 |
| 5.6 实验与分析 |
| 5.6.1 质量评价标准 |
| 5.6.2 鲁棒性实验 |
| 5.6.3 认证实验 |
| 5.7 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 攻读博士学位期间发表的学术论文和授权的发明专利 |
| 攻读博士学位期间承担和参与的科研项目 |
| 致谢 |
| 参考文献 |
（8）5G网络技术对提升4G网络性能的研究（论文提纲范文）
| 引言 |
| 1 4G网络现处理办法 |
| 2 4G网络可应用的5G关键技术 |
| 2.1 Msssive MIMO技术 |
| 2.2 极简载波技术 |
| 2.3 超密集组网 |
| 2.4 MEC技术 |
| 3 总结 |
（9）基于聚合计算中间件的高速公路救援报警系统设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 高速公路应急救援报接警现状 |
| 1.2.2 聚合算法研究现状 |
| 1.2.3 中间件研究现状 |
| 1.3 研究内容与方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.4 论文组织框架 |
| 第二章 理论依据 |
| 2.1 相似度计算理论 |
| 2.2 经典聚合算法 |
| 2.3 数据可视化 |
| 2.3.1 数据可视化的定义 |
| 2.3.2 数据可视化的流程 |
| 2.3.3 数据可视化表现形式 |
| 2.3.4 基于Openlayers地图API与 Easy UI的 GPS数据可视化 |
| 2.4 中间件技术 |
| 2.4.1 中间件的概念 |
| 2.4.2 中间件的分类 |
| 2.4.3 中间件的应用 |
| 2.4.4 数据集成中间件 |
| 2.5 本章小结 |
| 第三章 基于多媒体数据特征的点聚合算法 |
| 3.1 地图点聚合方法的选取 |
| 3.2 数据点特征获取 |
| 3.2.1 数据点时空属性特征获取 |
| 3.2.2 数据点多媒体特征获取 |
| 3.2.3 时空属性特征和多媒体特征的结合 |
| 3.3 算法设计过程 |
| 3.4 可视化映射设计 |
| 3.4.1 数据点位置可视化 |
| 3.4.2 基于“概览+细节”的交互模式 |
| 3.5 实验 |
| 3.5.1 实验环境及数据 |
| 3.5.2 实验设计与参数确定 |
| 3.5.3 实验结果与对比分析 |
| 3.6 本章小结 |
| 第四章 基于JSON的数据集成中间件设计 |
| 4.1 JSON技术 |
| 4.1.1 JSON Schema |
| 4.1.2 JSONiq |
| 4.1.3 本体技术和JSON-LD |
| 4.2 中间件整体设计 |
| 4.3 中间件主要模块设计 |
| 4.3.1 本体库模块设计 |
| 4.3.2 查询处理器模块设计 |
| 4.3.3 包装器模块设计 |
| 4.4 中间件构建流程 |
| 4.5 中间件特点分析与比较 |
| 4.6 本章小结 |
| 第五章 高速公路应急救援报接警系统设计与实现 |
| 5.1 需求分析 |
| 5.1.1 功能需求 |
| 5.1.2 非功能需求 |
| 5.2 系统体系结构设计 |
| 5.3 系统关键功能模块设计 |
| 5.3.1 一键式报警模块设计 |
| 5.3.2 多媒体警情采集模块设计 |
| 5.3.3 报警详情可视化模块设计 |
| 5.3.4 事件查询与处理模块设计 |
| 5.4 系统数据库设计 |
| 5.5 系统关键功能实现 |
| 5.5.1 系统开发环境和开发工具 |
| 5.5.2 一键式报警的实现 |
| 5.5.3 多媒体警情采集的实现 |
| 5.5.4 报警详情可视化的实现 |
| 5.5.5 事件查询与处理模块的实现 |
| 5.6 本章小节 |
| 总结与展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（10）数据驱动下数字图书馆知识发现服务创新模式与策略研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 数据驱动研究现状 |
| 1.2.2 知识发现研究现状 |
| 1.2.3 研究现状评析 |
| 1.3 研究内容、方法与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 研究技术路线 |
| 1.4 创新点 |
| 第2章 相关概念与理论基础 |
| 2.1 相关概念 |
| 2.1.1 数据驱动 |
| 2.1.2 知识发现 |
| 2.1.3 Web级资源发现 |
| 2.1.4 数字图书馆知识发现服务 |
| 2.2 理论基础 |
| 2.2.1 数据密集型科学发现理论 |
| 2.2.2 数据驱动控制理论 |
| 2.2.3 数据挖掘与知识发现理论 |
| 2.3 本章小结 |
| 第3章 数据驱动下数字图书馆知识发现服务的数据环境分析 |
| 3.1 数字图书馆知识发现服务的数据环境特征 |
| 3.1.1 馆藏数据来源的广泛性及数据形态和存在方式的多样性 |
| 3.1.2 数据存储模式多样化及存储内容的非结构化和碎片化 |
| 3.1.3 数据资源价值的低密度和高变现潜能 |
| 3.2 数字图书馆知识发现服务的数据环境变化 |
| 3.2.1 从“数字化”到“数据化”的演化 |
| 3.2.2 新一代信息技术的涌现 |
| 3.2.3 数据分析思维模式的形成 |
| 3.2.4 数据密集型科学发现应用趋势 |
| 3.3 数字图书馆知识发现服务的数据环境开发与应用 |
| 3.3.1 数字图书馆知识发现服务在大数据环境中的新定位 |
| 3.3.2 开发数字图书馆知识发现服务数据驱动的新机制 |
| 3.3.3 创新数据驱动下数字图书馆知识发现服务的新模式 |
| 3.3.4 开发数据驱动下数字图书馆知识发现服务的新业态 |
| 3.4 本章小结 |
| 第4章 数字图书馆知识发现服务创新的数据驱动机制分析 |
| 4.1 数字图书馆知识发现服务创新数据驱动机制的数据要素 |
| 4.1.1 用户数据要素 |
| 4.1.2 内容资源要素 |
| 4.1.3 专家数据要素 |
| 4.2 数字图书馆知识发现服务创新的数据驱动过程与维度 |
| 4.2.1 数字图书馆知识发现服务创新的数据驱动过程 |
| 4.2.2 数字图书馆知识发现服务创新的数据驱动维度 |
| 4.3 数字图书馆知识发现服务创新的数据驱动动力机制 |
| 4.3.1 数字图书馆知识发现服务创新的数据驱动动力类型 |
| 4.3.2 数字图书馆知识发现服务创新的数据驱动动力关系分析 |
| 4.3.3 数字图书馆知识发现服务创新的数据驱动动力仿真模型 |
| 4.4 数字图书馆知识发现服务创新的流驱动机制 |
| 4.4.1 数字图书馆知识发现服务创新的流驱动特征 |
| 4.4.2 数字图书馆知识发现服务创新的流驱动过程 |
| 4.4.3 数字图书馆知识发现服务创新的流驱动机制模型 |
| 4.5 数字图书馆知识发现服务创新的数据协同驱动机制 |
| 4.5.1 数字图书馆知识发现服务创新的数据协同驱动内涵 |
| 4.5.2 数字图书馆知识发现服务创新的数据协同驱动目标 |
| 4.5.3 数字图书馆知识发现服务创新的数据协同驱动机制模型 |
| 4.6 数字图书馆知识发现服务创新的数据驱动控制机制 |
| 4.6.1 数字图书馆知识发现服务创新的数据驱动控制内涵 |
| 4.6.2 数字图书馆知识发现服务创新的数据驱动控制方法 |
| 4.6.3 数字图书馆知识发现服务创新的数据驱动控制模型 |
| 4.7 本章小结 |
| 第5章 数据驱动下数字图书馆知识发现服务创新模式研究 |
| 5.1 数字图书馆知识发现服务创新模式问题的提出 |
| 5.2 数字图书馆知识发现服务创新模式构建基础 |
| 5.2.1 数字图书馆知识发现服务创新的模式基础 |
| 5.2.2 数字图书馆知识发现服务创新的产品基础 |
| 5.2.3 数字图书馆知识发现服务创新的技术基础 |
| 5.3 数字图书馆知识发现服务创新功能圈构建 |
| 5.3.1 数字图书馆知识发现服务创新功能圈的框架设计 |
| 5.3.2 数字图书馆知识发现服务创新功能圈的架构分析 |
| 5.3.3 数字图书馆知识发现服务创新功能圈的建立 |
| 5.4 本章小结 |
| 第6章 数据驱动下数字图书馆知识发现服务创新模式应用研究 |
| 6.1 数字图书馆知识发现服务科研用户画像应用 |
| 6.1.1 用户画像数据收集 |
| 6.1.2 用户画像模型构建 |
| 6.1.3 用户画像实验分析 |
| 6.2 数字图书馆文献资源研究设计指纹识别应用 |
| 6.2.1 研究设计指纹识别基础 |
| 6.2.2 数据标注 |
| 6.2.3 研究设计指纹生成模型训练 |
| 6.2.4 结果与讨论 |
| 6.3 融合用户画像和研究设计指纹的文献推荐应用 |
| 6.3.1 文献推荐模型构建 |
| 6.3.2 文献推荐仿真实验 |
| 6.3.3 结果与讨论 |
| 6.4 数字图书馆知识发现服务多粒度检索决策应用 |
| 6.4.1 实验准备 |
| 6.4.2 实验描述 |
| 6.4.3 实验结果及讨论 |
| 6.5 本章小结 |
| 第7章 数据驱动下数字图书馆知识发现服务创新策略研究 |
| 7.1 数字图书馆知识发现服务创新的优化方向与路径 |
| 7.1.1 数字图书馆知识发现服务创新的优化方向 |
| 7.1.2 数字图书馆知识发现服务创新的优化路径 |
| 7.2 数字图书馆知识发现服务创新的数据化优化 |
| 7.2.1 数据化优化阻碍 |
| 7.2.2 数据化优化策略 |
| 7.3 数字图书馆知识发现服务创新的语义关联优化 |
| 7.3.1 语义关联优化阻碍 |
| 7.3.2 语义关联优化策略 |
| 7.4 数字图书馆知识发现服务创新的可视化优化 |
| 7.4.1 可视化优化阻碍 |
| 7.4.2 可视化优化策略 |
| 7.5 数字图书馆知识发现服务创新的智能化优化 |
| 7.5.1 智能化优化阻碍 |
| 7.5.2 智能化优化策略 |
| 7.6 本章小结 |
| 第8章 研究结论与展望 |
| 8.1 研究结论 |
| 8.2 研究局限 |
| 8.3 研究展望 |
| 参考文献 |
| 作者简介与研究成果 |
| 致谢 |
四、领域相关多媒体对象的基于内容查询（论文参考文献）
- [1]数字人文视域下口述历史档案资源知识发现研究[D]. 王阮. 吉林大学, 2021
- [2]分布式移动网络环境下大规模空间社交媒体数据快速增强现实可视化研究[D]. 张帅. 南京大学, 2020(10)
- [3]教育部关于印发普通高中课程方案和语文等学科课程标准（2017年版2020年修订）的通知[J]. 教育部. 中华人民共和国教育部公报, 2020(06)
- [4]基于内容的多媒体检索重排方法研究[D]. 王洋. 大连理工大学, 2020(02)
- [5]科学数据用户相关性判断模型研究[D]. 刘建平. 中国农业科学院, 2020(01)
- [6]网络Flash动画学习资源的内容结构特征与检索研究[D]. 石林. 山东师范大学, 2020(08)
- [7]基于语义和兴趣的图像/视频检索与认证技术研究[D]. 李静. 山东师范大学, 2020(08)
- [8]5G网络技术对提升4G网络性能的研究[J]. 刘奕. 数码世界, 2020(04)
- [9]基于聚合计算中间件的高速公路救援报警系统设计与实现[D]. 张艳萍. 长安大学, 2020(06)
- [10]数据驱动下数字图书馆知识发现服务创新模式与策略研究[D]. 李洁. 吉林大学, 2019(02)