大规模场景图像的情感语义分析若干关键技术研究 pdf下载

《大规模场景图像的情感语义分析若干关键技术研究》内容简介：本书围绕场景图像的情感语义理解展开研究，从情感语义数据的获取、自动标注、情感语义类别的预测及大规模场景图像数据的高效检索等方面进行了探讨和研究，系统地阐述了场景图像情感语义分析的关键技术。从理论上，对场景图像蕴含的情感语义进行了抽象、分析和形式化表示；在实践上，搭建了实验平台进行了验证和分析，为各类图像数据的情感语义理解提供了新的思路和途径。全书集理论、技术、方法及实践于一体，具有较强的理论性和实践性，反映了当前该理论的*新研究成果。

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 图像的情感语义分析
1.2.2 图像检索技术研究现状
1.3 本书主要工作
1.3.1 场景图像的情感语义特征提取研究
1.3.2 基于模糊理论的场景图像自动标注方法研究
1.3.3 场景图像的情感类别预测研究
1.3.4 基于MdpReduce的大规模场景图像检索技术研究
1.4 本书组织结构
1.5 本章小结

第2章 大数据处理与图像检索
2.1 大数据的种类、特点和应用
2.1.1 大数据的种类
2.1.2 大数据的特点
2.1.3 大数据的应用
2.2 大数据处理面临的问题
2.3 大数据处理与图像检索的关系
2.4 本章小结

第3章 开放行为学实验环境下的场景图像情感语义分析
3.1 图像情感语义理解的相关概念
3.1.1 情感与情感计算
3.1.2 情感建模
3.1.3 图像情感语义分析
3.1.4 图像情感语义标注
3.1.5 图像情感语义检索
3.2 图像语义层次模型
3.3 开放行为学实验环境下场景图像的情感语义分析
3.3.1 情感模型的选择
3.3.2 被试的选取
3.3.3 实验数据和方案设计
3.3.4 场景图像情感语义数据分析方法
3.3.5 场景图像的情感语义数据实验分析
3.4 图像分析和检索的性能评测
3.5 本章小结

第4章 基于模糊理论的场景图像情感语义标注方法
4.1 模糊理论
4.1.1 概述
4.1.2 基本定义
4.2 颜色视觉特征提取
4.2.1 颜色空间的选取
4.2.2 HSV颜色空间量化
4.2.3 基于权重的不规则分块场景图像颜色特征提取
4.3 场景图像的模糊语义描述
4.3.1 情感值的确定
4.3.2 情感规则G
4.3.3 情感规则映射T
4.4 基于T-S模糊神经网络的场景图像的情感语义特征映射
4.4.1 T-S模糊神经网络（T-S FNN）
4.4.2 语义特征映射
4.5 场景图像的情感语义自动标注
4.6 实验结果及分析
4.7 本章小结

第5章 基于Adaboost-PSO-BP神经网络的场景图像情感语义类别预测算法
5.1 融合情绪、性格因素的OCC情感模型
5.1.1 情绪因素描述
5.1.2 性格因素描述
5.1.3 融合情绪、性格因素的情感建模方法
5.2.BP神经网络权值和阈值的优化
5.2.1 BP神经网络
5.2.2 粒子群优化算法（PSO）优化BP神经网络
5.3 Adaboost-PSO-BP神经网络预测算法
5.3.1 Adaboost算法
5.3.2 Adaboost-PSO-BP神经网络算法
5.4 场景图像情感语义类别预测
5.5 实验结果与讨论
5.6 本章小结

第6章 基于MapReduce的大规模场景图像检索技术
6.1 Hadoop平台相关技术介绍
6.1.1 Hadoop的起源和背景
6.1.2 HDFS体系结构
6.1.3 MapReduce编程模型
6.1.4 Mahout算法库
6.2 基于MapReduce的大规模场景图像检索方案
6.2.1 场景图像检索整体框架
6.2.2 大规模场景图像及其特征的存储
6.2.3 场景图像的特征提取
6.2.4 基于分布式Mean Shift的场景图像特征聚类算法
6.3 实验与结果分析
6.3.1 实验环境与测试数据
6.3.2 系统性能测试与分析
6.4 本章小结

第7章 总结与展望
7.1 本书工作总结
7.2 研究展望
参考文献

前言

随着多媒体技术、互联网技术及社交网络的迅速发展，人们可以访问的信息资源空前丰富。图像数据因其形象直观、蕴含信息综合性强等特点，应用领域逐渐增多，其数量更是以惊人的速度增长。但图像数据本身结构的复杂性、蕴含信息的多样性及时空的多维性导致如何有效组织和管理大规模图像数据、快速检索用户需求的图像成为学术界的研究热点。为此，图像的情感语义分析和检索技术应运而生，它综合人工智能、计算机视觉、模式识别、心理学及数据库管理等领域的相关知识，对图像数据蕴含的高层情感语义进行分析，旨在获得图像蕴含的内在情感语义信息，建立实用性强的图像检索系统。因此，对图像进行情感语义分析和高效检索技术的研究有着广阔的应用前景和实用价值。

本书以场景图像为研究对象，对SUN Database中的各类场景图像进行有针对性的情感语义分析和检索方法研究。从建立开学行为学实验环境下的场景图像情感语义数据获取平台开始，选择并改进了OCC情感模型，分析了场景图像语义理解方面存在的语义模糊性问题，采用粒子群（PSO）算法优化BP神经网络的权值和阈值，并由Adaboost算法组合15个BP神经

网络的输出结果，构建强预测器，对场景图像的情感语义类别进行预测，搭建了适合大数据处理的基于MapReduce并行编程模型的场景图像检索平台，系统地研究了场景图像的情感语义分析和检索方法。

全书共分为七章：第1章是绪论，介绍了场景图像情感语义分析的研究现状和本书的研究内容、组织结构；第2章介绍了大数据处理与图像检索之间的关系；第3章探讨了开放行为学实验环境下的场景图像情感语义分析方法；第4章研究了基于模糊理论的场景图像情感语义标注方法；第5章对基于Adaboost-PSO-BP神经网络的场景图像情感语义类别预测算法进

行了探讨；第6章研究了基于MapReduce并行编程模型的大规模场景图像检索技术；第7章对本书的研究工作进行了总结和展望。