电子书：《数据挖掘算法及在视频分析中的应用》
1117内容简介：
内容提要
随着网络与计算机的发展,可利用的数据量ri益增大,数据的形式更多样化,这对
数据挖彌算法的研究和数据挖掘与領域知识、技术的融合都提出了新的挑战。本书在分
析数据挖据相关概念和相关技术研究现状基础上,闸述了围绕数据挖掘中的分类、特异
数据挖掘、关联规则等任务中经典算法的改进研究。继而阐述了数据挖据算法在计算机
视觉领域应用的研究工作。每部分研究工作均详细描写了背景、问题、研究思路、实验
结果、结论与总结等。各部分工作相关,又独成体系,可读性好
本书可作为高等学校数据分析类课程的补充资料,也可供相关方向的研究生及专业
的中带贴
图书在版编目(CIP)数据
添英车数据挖拥算法及在视频分析中的应用/Li英杰著
出版社,2014.5
I.①数…Ⅱ.①Li….①数据采集V
①TP274
中guo版本图书馆CIP数据核字(2014)第096349号
名數据挖掘算法及在视频分析中的应用
者Li英杰著
出版发行「中guo水利水电出版社
比京市海淀区玉渊潭南路1号D座100038)
mail:sales(@waterpub.com.cn
电话:(010)68367658(发行部)
经售「北京科水图书销售中心(零售
电话:(010)88383994、63202643、685458
全guo各地新华书店和相关出版物销售网点
排版「中guo水利水电出版社微机排版中心
印刷「三河市金MA印装有限公司
规格170mm×240mm16开本8印张152千字
12014年5月第1版2014年5月第1次印剧
数0001-2000册
价1.元
购买我社图书,如有缺页、倒页、脱页的,本社发行部负責调換
版权所有·侵权必究
前言
数据挖掘是高级数据分析工具,其任务包括频繁项集挖掘、关
联规则挖掘、聚类、分类、特异数据挖掘、时间序列挖掘等。随着
信息技术的发展,人类进入了大数据时代,数据分析的需求ri益增
长,并且多样化,这对数据挖掘算法的硏究和数据挖与领堿知识、
技术的融合都提出了新的挑战。
本书在分析数据挖据相关概念和相关技术研究现状基础上
述了guo绕数据挖算法和其在计算机视觉领域应用的研究工作。研
究工作包括一种基于聚类的全局特异数据挖掘算法、利用必要关联
规则提高分析精度的方法、一种基于外观的视频中行为识别特征的
提取方法,以及基于差分序列的外观特征和光流特征对行为识别效
率的评估。书中详细阐述了每项工作的背景、间題、解决思路、算
法、实验结果、结论等。
书中内容是作者阶段性研究工作的汇总与总结。文中工作得到
浙江农林大学人オ启动经费支持(2010FRO70),部分工作是作者博
士期间完成的,感谢导师Yin怡欣教授的指导,感谢博士同学们的帮
助。本书撰写过程中也得到了一些专家和学者的指导,还借鉴和引
用了大量guo内外有关教材、专著、论文、标准等资料,在此,谨向
他们表示衷心的感谢!
研究工作是无止境的,书中含有一些个人观点,加之作者水平
有限,书中的缺点和错误在所难免,恳请各界读者提出宝贵意见
著者
2014年3月
目录
第1章绪论………………“………““…““““
第2章数据挖掘基本概念与相关技术研究现状
2.1数据挖掘的基本概念
2.2频繁项集和关联规则挖
2,3聚类、分类与模式识别
2.4特异数据挖掘
2.5数据挖掘应用现状
第3章基于聚类的全局特异数据挖掘算法…
3.1基于距离的全局特异数据挖据概念和方法……
3.2一种基于聚类的全局特异数据挖掘算法
3,3挖掘特异数据能力实验分析…
3.4算法性能实验分析…
聚类算法与特异发现算法对比…
第4章基于规则的分类方法
4.1基本概念……
4.2基于规则的分类方法
4.3关联规则分类算法
4.4必要置信度对分类精度影响的研究
4.5小结
第5章智能视频监控中的数据挖掘应用
1335843566780805868
5.1智能监控系统研究背景与相关技术现状
5,2一种智能监控系统构架
3一种行为识别视频特征有效性验证
第6章基于差分的行为特征与基于全前景的行为特征比较
6,1概述………
6.2表观特征
6.3帧差序列与全前景序列
6,4特征集
6.5实验分析
6.6讨论与结论
888888959
第7章基于差分的行为识别进一步探索…
7.1相关工作介绍和本章方法概述
7.2差分光流计算方法
7.3特征集
7.4实验与讨论
第8章结论
“…“…“……105
参考文献
第1章绪论
计算机技术与网络技术的快速发展和软件技术的广泛应用使数据大量积
累,而计算机硬件技术的不断进步又使大规模数据的集中存储成为可能。剧增
的数据中有可能隐藏着许多重要的信息,人们希望能够对拥有的信息进行更高
层次的分析,产生了对数据分析工具的强烈需求,数据挖掘是高数据分析工
具,它可以帮助人们从数据库特别是数据仓库的相关数据中提取出所感兴趣的
知识、规律或更高.层次的信息,而且也可以帮助人们从不同程度上去分析它
们;它不仅可以用于描述过去数据的发展过程,而且还能进一步预测未来的发
展趋势。
数据挖掘成为热点研究领域已有相当长的时间,取得了阶段性的成果,目
前guo内外都有一些集成了数据挖掘方法的数据分析工具。如SPSS公司的Ce
tine SPSS for Windows,其中集成了神经网络、回归、因子分析、决策
树、聚集、关联规则、规则归纳、单调回归和OLAP环境等技术;SAS
公司的 Enterprise Miner集成了数据挖掲的多种工具;一些关系数据库产
品中都有数据挖掘和联机数据分析工具;guo内也有已经获得软件著作权的产
品,如 DMINER2;另外还有许多专门开发数据挖据项目的公司。但是,
这绝不意味着数据挖掘的研究已经结束,相反它留给研究者丰富的理论和实
践课题。。的己
数据挖掘继承和发展了相关基础学科的理论与技术,如基础统计学、概率
论与数理统计、机器学习等,探索出了独具特色的理论体系。但是,随着数据
挖掘本身技术和相关技术的发展、随着应用ri益广泛及新需求的推动,新的
据理论研究是必需的,新理论会促进新算法的产生,同时,现有算法的效率、
适用性和实用性也有待提高。,出
数据挖掘一般有数据准备、知识挖据和模式评估3个阶段。数据挖掘系统
基本构架已趋于明朗,但不同领域、不同数据类型、不同知识表达模式下的应
用,其具体的实现机制、技术路线等方面仍有待于结合实际进行深人研究。由
于用户事先不知道数据源中潜在的知识,在数据挖据的各个阶段与用户的交互
都是必需的,良好的交互方式及清晰友好的可视界面是系统成功应用的前提
所以交互的时机、适应交互式的有效算法、交互过程的可视化及与其适应的构
架研究都是数据挖掘领域的重要课題。
免费下载地址：
http://pan.qqq0.com/file/488067-425778699
页:
[1]