可穿戴式日常行为语义感知及增强方法
正版现货,品相完整,套书只发一本,多版面书籍只对书名
¥
37.89
6.4折
¥
59
九五品
仅1件
作者王鹏;杨士强
出版社清华大学出版社
出版时间2023-01
版次1
装帧其他
上书时间2024-08-14
商品详情
- 品相描述:九五品
图书标准信息
-
作者
王鹏;杨士强
-
出版社
清华大学出版社
-
出版时间
2023-01
-
版次
1
-
ISBN
9787302605188
-
定价
59.00元
-
装帧
其他
-
开本
16开
-
纸张
胶版纸
-
页数
171页
-
字数
230千字
- 【内容简介】
-
成本低、重量轻、体积小、电池续航时间长、内嵌多种传感器、计算能力强等特征,标志着当前移动计算设备的硬件能力已经发展到足以满足人类日常生活需求的水平。当这些高度集成的计算系统以可穿戴的形式捕捉、存储、理解甚至响应人们日常生活中的行为时,无疑赋予人类在记忆、挖掘、信息交互等方面的“超能力”,并必将改变人类的日常生活。然而,为达到这一目标,必须再赋予可穿戴式计算像人一样进行语义理解的“软能力”。这就需要充分应用当前人工智能算法、语义网、大数据等技术对可穿戴式设备所采集的多媒体数据进行深度理解,以一种便于与人类沟通的内容形式呈现给用户,以构建个性化的应用。本书以可穿戴式日常行为感知这一多媒体大数据的研究为题,从可穿戴式视觉采集设备所记录的多媒体信息的语义理解出发,分别介绍了这种语义感知的基本思路、流程和技术,并结合实际应用,研究了系统的方法架构,并对主要的技术模块进行说明和评估。由于本研究涉及可穿戴式数据采集、多媒体信息检索、语义感知、大数据处理、人机交互和人机界面等多学科,因此可以作为计算机应用领域的研究人员,尤其是多媒体和大数据以及信息检索、人机交互方向的科研人员的参考书。对新技术和新兴产业如可穿戴式计算技术和设备等感兴趣的读者也可以参考本书的内容,以提高对相关领域技术和应用的认识。
- 【作者简介】
-
本书的作者长期从事多媒体信息感知和语义增强方面的研究,并在本领域发表大量高水的学术。本书从多媒体语义分析的角度对可穿戴式常行为的理解和识别开展研究,是在这方面为数不多的学术成果中的典型代表。
- 【目录】
-
第1章可穿戴式产品简介1
1.1背景介绍1
1.2可穿戴式产品的市场及应用2
1.3典型可穿戴式感知设备5
1.4本章小结9
参考文献10第2章可穿戴式语义感知的相关研究现状11
2.1可穿戴式感知的应用现状11
2.2多媒体语义检索研究现状14
2.3多概念探测研究现状16
2.4概念驱动的行为识别现状17
2.5本章小结17
参考文献18第3章基于语义的视觉媒体处理24
3.1特征提取及表示24
3.1.1低层特征24
3.1.2高层特征26
3.2基于内容和基于概念的检索26
3.2.1基于内容的检索26
3.2.2基于概念的检索27
3.2.3概念选择/查询扩展27
3.3以事件为中心的媒体处理27
3.4日常行为感知及挑战29
3.4.1日常行为感知——以SenseCam为例29
3.4.2可穿戴式行为感知处理框架31
3.4.3面临的新挑战32
3.5本章小结34
参考文献35第4章可穿戴式日常行为语义空间39
4.1事件相关的概念分布特征39
4.2基于事件语义的视觉处理41
4.3事件语义空间42
4.3.1日常活动的选择42
4.3.2主题相关的概念44
4.3.3事件语义空间形式化45
4.3.4语义空间构建用户实验46
4.4语义空间中的概念关系47
4.4.1基于分类学的词汇相似度48
4.4.2上下文本体相似度和相关性50
4.5语义概念在事件表示中的应用51
4.5.1基于兴趣度的概念聚合51
4.5.2一种VSM形式的语义表示53
4.5.3应用效果分析55
4.6本章小结58
参考文献58第5章训练无关的语义概念增强方法62
5.1方法出发点62
5.2方法描述63
5.2.1概念探测结果分解64
5.2.2集成概念本体66
5.2.3收敛性证明67
5.2.4近邻相似性传播68
5.3语义平滑的索引增强69
5.3.1算法形式化69
5.3.2概念相关性的外部推理70
5.4实验及结果讨论71
5.4.1在数据集一上的评估结果71
5.4.2在数据集二上的评估结果74
5.4.3不同语义在算法中的作用75
5.4.4算法效率分析78
5.4.5引入语义平滑约束78
5.5本章小结80
参考文献80第6章基于外部知识的检索增强方法83
6.1语义多概念探测83
6.1.1创建概念本体84
6.1.2基于本体的多概念探测优化87
6.2基于语义密度的概念选择89
6.2.1文本预处理91
6.2.2合取概念的相似度91
6.2.3基于密度的概念选择92
6.3利用相似度进行概念排序95
6.3.1概念相似度模型95
6.3.2相似度排序96
6.4实验分析96
6.4.1多概念探测评估96
6.4.2概念选择评估102
6.5本章小结110
参考文献110第7章概念的动态组织及时序行为识别112
7.1方法框架描述113
7.2基于动态语义属性的行为识别114
7.2.1基于HMM的行为识别方法115
7.2.2用HMM费舍尔核进行活动分类119
7.2.3基于HCRF的行为识别方法120
7.3时间感知的概念探测增强122
7.3.1基于WNTF的索引增强方法122
7.3.2有效性分析124
7.3.3计算复杂度分析124
7.4实验和评估125
7.4.1实验数据集126
7.4.2基于WNTF的概念探测增强评估128
7.4.3基于HMM的日常行为识别评估129
7.4.4基于HMM费舍尔核行为识别评估132
7.4.5基于HCRF行为识别评估135
7.5本章小结138
参考文献139第8章概念驱动的行为识别影响要素分析141
8.1背景介绍141
8.2实验数据集143
8.3实验方法144
8.4实验结果146
8.5结果讨论148
8.6本章小结150
参考文献150第9章事件建模和上下文增强152
9.1语义表示和模型语言152
9.1.1本体153
9.1.2资源描述框架(RDF/RDFS)154
9.1.3OWL155
9.2上下文事件增强框架156
9.2.1一个说明场景156
9.2.2基于多上下文的事件本体156
9.2.3EventCube: 一个增强的事件册158
9.3事件语义增强和查询160
9.3.1关联开放数据和SPARQL查询160
9.3.2位置增强162
9.3.3社交上下文增强164
9.4事件语义增强用例165
9.4.1用例设置165
9.4.2社交上下文增强的语义对齐167
9.4.3事件为中心的增强应用168
9.5本章小结169
参考文献170
点击展开
点击收起
— 没有更多了 —
以下为对购买帮助不大的评价