一、多媒体数据库索引技术的研究与实现（论文文献综述）
许福久[1]（2021）在《基于音频指纹的密文语音检索与认证方法研究》文中指出随着云存储和互联网技术的快速发展,以及互联网音频数量的爆炸式增长,使得在音频大数据中进行高速检索成为亟待解决的难题。另外,存储在云端的音频数据为用户节省了本地空间,但也带来了查找困难、隐私泄露和数据不安全的问题。因此,如何提高语音文件的检索效率、保证语音文件的数据安全、确保密文语音的完整性和认证精度具有非常重要的研究意义。论文针对密文语音的高效检索和内容认证等问题,利用音频指纹、语音加密、鲁棒水印和脆弱水印等技术,对高效的密文语音检索及内容认证等关键技术展开了研究。主要研究工作如下:1.为了解决现有音频指纹技术在对长语音片段提取音频指纹时,指纹维数过大、鲁棒性较差,且检索精度和效率较低等问题,提出了一种基于特征降维和特征组合的音频指纹检索方法。首先分别提取原始语音的梅尔倒谱系数（MFCC）和线性预测倒谱系数（LPCC）特征,并将MFCC和LPCC特征矩阵进行特征组合;然后通过基于信息熵的特征降维方法进行列降维,并将降维后的特征矩阵通过基于能量的特征降维方法进行行降维;最后利用降维后的特征组合矩阵进行音频指纹的构建。在检索时,利用归一化汉明距离算法进行匹配检索。实验结果表明,该方法针对长语音片段所构建的音频指纹维数较小,且具有较好的鲁棒性,能够在保持较高的查全率和查准率的同时具有较高的检索效率。2.为了提高密文语音检索的检索效率和准确度,并对检索结果进行合法性认证,提出了一种基于音频指纹的密文语音检索方法。首先利用音频指纹算法生成原始语音的音频指纹,并利用鲁棒音频水印算法将生成的音频指纹作为数字水印嵌入到原始语音中;然后利用Henon混沌映射对含水印的原始语音进行置乱加密,利用脆弱水印算法将密文语音的帧号嵌入到密文语音中,并构建密文语音库;最后将密文语音和音频指纹建立一一映射关系后生成音频指纹索引表,并上传至云端。实验表明,该方法具有较好的检索性能和较高的检索效率,所提鲁棒水印算法具有较高的嵌入容量、透明性和鲁棒性,可以很好地满足信息标注的需要。3.为了对检索反馈的密文语音进行完整性认证,以及解决现有语音认证算法大多只能实现帧的篡改定位,且篡改恢复时需要额外的恢复信息等问题,提出了一种基于脆弱水印的密文语音认证与恢复方案。通过将密文语音信号的帧号来构建原始脆弱水印信息,与待认证语音中提取到的脆弱水印信息进行对比来实现篡改检测,并对未通过检测的语音进行逐级定位来确定被篡改的采样点,最后利用基于残差的线性插值法对未通过认证的语音进行篡改恢复。实验表明,该方案能够实现采样点的篡改检测与定位,且恢复后的篡改内容具有较好的听觉质量。
刘仪轩[2]（2020）在《基于MongoDB的排水设施监管养护系统的应用研究》文中提出在智慧城市建设的发展浪潮中,城市水务部门一直将排水设施在线监管和设施的巡查养护视为重中之重。现阶段水务部门以排水设施为基础,通过工作人员日常巡查养护来实现排水设施的正常运行,工作人员通过对排水设施的巡查来记录排水设施出现的问题。随着排水设施的不断增多、巡查区域的不断增大,城市水务部门急需建立一个排水设施监管养护的系统。此系统依托于大数据存储和管理、大数据压缩算法、远程视频监控等技术,为城市智慧排水和设施监管提出更高效的解决方案。本文结合Mongo DB和Node.js的优势,在国内首次将两者应用于搭建排水设施监管养护系统。论文主要工作如下:（1）研究了城市排水信息化的应用场景和业务需求,分析了排水业务数据的特点,设计了适合该数据特点的Mongo DB数据库的库表结构。针对排水设施产生的大数据的存储和管理问题,设计并实现了Mongo DB数据库分布式集群的搭建,提升了系统性能,增强了数据可靠性和服务的可用性。此外,针对雨水数据的特点,采用了旋转门压缩算法对数据进行压缩。利用Mongo DB数据中Grid FS文件存储模块,设计并实现了基于Grid FS的分布式附件存储服务器集群,来对多媒体数据进行存储和管理。（2）研究了Node.js结合Mongo DB的应用程序开发。基于Mongo DB和Node.js两者的特点,进行了基于Node.js的服务端开发,实现了对Mongo DB数据库的操作接口;设计并实现了服务器端的各个功能模块。设计并实现了客户端的界面。本文设计实现的上海市排水设施监管养护系统经测试、已经于2019年6月上线运行,运行稳定,满足业务需求,提高了城市排水设施监管养护的效率。
张帅[3]（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》文中研究指明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。
石林[4]（2020）在《网络Flash动画学习资源的内容结构特征与检索研究》文中提出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。
杨莹[5]（2020）在《基于时序动作检测的监控视频异常事件检索方法研究》文中指出近年来,监控视频数据在城市安防工作中的重要性日益显着,具有重要的研究价值。监控视频记录了各种真实的异常事件,包括人的异常行为（如违法犯罪行为等）以及异常现象（如建筑的火灾等）,这些异常事件是侦察破案等安防工作中不可缺少的重要信息,然而不同于正常事件,异常事件发生的概率较小,想要在海量的监控视频数据中找到所需的异常事件的信息非常困难。传统的检索方法无法满足分析异常事件的需求,并且在处理海量监控视频数据时,检索效率和检索性能仍有不足。因此,本文将异常事件作为研究对象,对检索技术的关键环节进行研究和改进,实现根据查询图像,快速、有效地检索到与图像内容相关的监控视频异常事件片段的检索方法。本文的主要研究内容如下:1.针对监控视频冗余信息多,异常事件信息获取难度大的问题,本文对时序动作检测技术进行研究,提出了基于时序动作检测技术的异常事件检测算法。通过异常事件检测算法对原始监控视频提取异常事件片段,去除大量的冗余信息,从而得到远远小于原始监控视频数据量的异常事件视频数据库,便于后续检索。针对目前多阶段时序动作检测算法精度较低的问题,提出了改进方案:结合C3D（3D Conv Nets）网络与多实例学习方法构造异常事件片段补充生成器、修改分类网络的结构。通过实验证实了本文所提出的算法能够有效的提高检测性能、准确的获取监控视频中的异常事件片段。2.针对监控视频数据量大、查询数据与数据库数据信息不对称的问题,本文提出了一种高效的视频检索算法。对异常事件数据库进行特征提取、索引构建及距离度量。首先通过SCFV（Scalable Compressed Fisher Vector）方法生成占用内存较少且计算简单的视频特征向量。然后使用数据库技术对视频特征向量构建多级索引结构,使得检索方法在处理海量高维监控视频数据时,仍然能够以较少的时间得到较好的检索结果。之后,考虑到查询数据与数据库数据的非对称关系,使用非对称比较算法实现特征向量间的距离度量。通过多组实验对以上方法进行验证,证实了本文所提出检索算法有效的解决了以上问题,在效率和精度方面都具有较好的表现,满足实际应用的需求。
李洁[6]（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》文中研究表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。
纪然[7]（2019）在《和元多媒体语料库系统的设计与实现》文中认为随着互联网技术的飞速发展,不同国家、不同文化、不同语言的人之间越来越渴望能拥有一种新的语言形式来进行更加方便快捷的交流沟通。西北大学小露珠团队提出了基于网络的语言——“和”,旨在方便人们进行跨文化、跨语种、跨地域的的交流。语料库是语言研究的重要手段。但是现有的网络语言研究多是针对文字或者单纯的网络表情,而现有的多媒体语料库研究多是针对单个的多媒体语料,没有把多媒体语料与聊天语言进行有机的结合。因此,为了更好的推进“和”语言的研究和使用,研究基于“和”语言的多媒体语料库势在必行。本文在对传统多媒体语料库以及网络语言的研究现状进行总结和分析基础上,首先根据“和”语言的特点,提出了基于网络聊天活动的语料概念模型,该语料模型对网络聊天活动进行抽象并划分为活动者的角度、活动的角度以及系统的角度进行研究;其次,为了解决基于网络聊天的多媒体语料的处理问题,给出了多媒体语料分层处理模型,该模型从语料物理层、语料语义层以及整体语段、篇章处理层逐层说明了多媒体语料的处理过程;最后在多媒体语料库模型的基础上,提出相关需求,进一步设计和实现了基于“和”语言的多媒体语料库系统——和元（Harmony Multimedia Corpus System,HMCS）,并根据需求对和元进行系统测试,验证系统的可用性。和元的建设为“和”语言的推荐系统和输入法等其它相关研究提供素材,是“和”研究的基础,进而为推动跨国家、跨地区的网络信息交流起到一定的推动作用。
王宗超[8]（2019）在《面向知识图谱的可视化分析系统设计与实现》文中进行了进一步梳理随着互联网的发展和大数据时代的到来,学术界和工业界对领域知识越来越重视,从领域知识中分析出有价值的信息的诉求也越来越普遍。随着数据量级越来越大,传统的数据存储和表示方式越来越难以满足相关领域的分析需求。基于这种诉求和问题,本文设计和实现了面向知识图谱的可视化分析系统,能够以可视化的形式为用户提供一种方便直观地分析领域知识的解决方案。本文通过对知识图谱的数据分析和可视化交互需求进行充分的分析,使用支持分布式存储的图数据库HugeGraph存储知识图谱形式的领域知识,使用Spring Boot搭建服务端框架,使用Vue框架结合vis.js可视化关系网络图,设计实现了面向知识图谱的可视化分析系统。该系统的功能分为五个模块:数据管理模块用于对本体数据和实例数据的管理;数据检索模块用于对实体数据和关系数据的多维度检索;网络分析模块用于对关系网络中的关联关系进行可视化交互分析;图谱计算模块用于对图谱数据按照几类算法模型进行相应指标的分析计算;历史与统计模块用于记录图谱数据的变动历史以及对图谱数据的特征统计。本系统全局灵活动态设计可适用于不同领域的数据集,丰富的分析计算功能对数据集的要求也不敏感,旨在实现一种通用的知识图谱可视化分析系统。通过系统测试与线上使用,系统正常运行。可视化的交互式分析界面直观而又方便用户使用,全局动态的代码设计灵活地适配不同领域的数据集,丰富的分析计算功能一定程度上满足了用户多样化的分析需求,帮助用户获取有价值的信息。
宋凯歌[9]（2018）在《产品交互式电子手册的设计与实现》文中研究说明随着当前计算机技术的广泛应用,传统的大型装备纸质技术使用手册数字化程度低,导致在运输存储、编制使用等过程中缺乏高效性和延续性,已不能较好的满足用户需求。产品交互式电子手册由美国国防部率先提出,并逐渐受到各国国防部门重视。利用该手册,实现了技术人员对装备使用、人机交互、信息检索、设备维护、故障诊断、维修保障的高效无纸化操作。本文主要采用MVC架构,使用SQL Server 2008数据库,XML、Lucene、分词等相关技术,通过对GJB6600标准规范进行分析,完成了产品交互式电子手册的需求分析与总体设计,将系统分为三个功能模块,数据编制模块、数据管理模块及交互浏览模块。完成了系统的架构设计、功能设计、数据库设计以及详细设计,并对三个模块分别进行了详细设计与实现。采用全文资料检索技术,利用Lucene及中文分词,有效解决了技术资料的快速定位问题。采用故障诊断技术,提出故障诊断算法,构建知识库从而达到面向装备故障的快速排查与诊断能力。采用交互式浏览技术,实现模型动态交互,提高技术资料交互显示水平,从而提高装备使用维护效率与维修保障能力。最后,使用测试工具对系统进行了全面测试,并得出测试结论。产品交互式电子手册能够有效解决装备实际使用过程中所面临的技术资料应用问题,系统能够在各类终端上高效运行,证明系统设计与实现切实可行,对装备保障具有一定的研究意义与应用价值。
刘诗聪[10]（2019）在《大规模高维信息的结构编码学习与索引》文中提出当前,互联网上的多媒体数据呈现爆炸式增长,人们围绕海量多媒体数据开展了大量应用研究,这些应用研究都脱离不了对多媒体数据的快速检索技术。对海量多媒体数据的检索本质上是大规模高维信息索引技术,其呈现的非结构化、语义多样、维度极高等新特点,使得传统检索方法不再适用。因此,建立面向大规模高维信息的高效检索机制成为了近年来的研究热点。近年来提出的哈希和量化方法层出不穷,为大规模高维信息的快速检索问题提供了新思路。在真实环境的数据规模常可达到数十亿之巨,而目前哈希和量化方法还无法允许有效的层级式数据结构,这导致了对于大规模高维数据的存储效率低、检索精度低、检索时间长的问题。另一方面,对海量多媒体数据的检索主要是基于语义信息的搜索,当数据量极大时,由于缺乏对语义搜索的优化,目前的搜索方法所得到的搜索结果将变得不可用。鉴于以上问题,本文提出了结构化编码的概念,将量化编码映射为层级式的数据结构;进而基于前人的工作,提出了广义残差量化和聚集树;还针对语义数据设计了三种基于深度学习的语义搜索方法。本文通过实验证明了这些方法的有效性。本文的贡献和创新点主要体现在以下几个方面:1.提出了大规模高维数据的结构化编码概念。本文通过量化编码建立对应的树,并使用信息学理论探索高维情况下树结构对搜索效率的影响,从而提出了对量化方法应用于更大规模的高维信息检索上的算法设计依据。2.提出了广义残差向量量化方法。传统残差向量量化在转换为树结构搜索上具有一定优势,但其性能严重受离群点影响。本文基于残差向量量化,提出对由挑选的一个码表生成的扩展残差向量进行量化的方法。本文还设计了一个多阶段的量化步骤。实验结果表明广义残差向量量化方法相比于其它量化方法能够获得更低的量化误差,其可在线学习的特性使其适应于超大规模、动态变化的数据。3.提出了聚集树的非遍历搜索方法。本文使用广义残差向量量化编码构造树搜索结构,在该树中可使用波束搜索进行快速且准确的高维数据索引。本文通过实验比较了不同参数下聚集树的性能表现,结果表明聚集树能够得到相对于其它非遍历搜索方法更优的搜索时间精度比。4.提出了三种基于深度神经网络的同时学习深度特征和量化编码方法。使用孪生深度神经网络得到的深度特征是一种相对于手工特征,更适应于语义搜索的特征向量。但是深度特征仍然需要经过量化处理,而目前缺乏有效的同时进行深度特征提取和量化编码的学习方法。本文提出了以下三种方法解决上述问题:二极管代价函数,该方法通过控制梯度回传从而改进代价函数;宇宙飞船模型,该方法通过为输出值增加动量改进训练监督值;梯度贴合层,该方法通过增加特殊网络层改进训练方法进行同时深度特征和量化编码的学习。通过实验对比探索了这些方法对于同时深度特征和量化编码的学习的特点,并提出了针对大规模搜索的特征学习神经网络的设计依据。
二、多媒体数据库索引技术的研究与实现（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、多媒体数据库索引技术的研究与实现（论文提纲范文）
（1）基于音频指纹的密文语音检索与认证方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于音频指纹的音频检索技术 |
| 1.2.2 音频水印技术研究现状 |
| 1.2.3 音频认证技术研究现状 |
| 1.2.4 音频加密技术研究现状 |
| 1.3 现有研究存在的问题与分析 |
| 1.4 论文的主要研究内容与创新点 |
| 1.5 论文的组织结构与安排 |
| 第2章 相关理论知识 |
| 2.1 语音特征概述 |
| 2.2 特征降维与特征组合方法 |
| 2.3 双树复小波变换(DT-CWT) |
| 2.4 奇异值分解(SVD) |
| 2.5 Henon混沌映射加密算法 |
| 2.6 最低有效位(LSB) |
| 2.7 线性插值法 |
| 2.8 本章小结 |
| 第3章 基于特征降维和特征组合的音频指纹检索算法 |
| 3.1 引言 |
| 3.2 基于音频指纹的语音检索系统模型 |
| 3.3 提出的音频指纹算法 |
| 3.3.1 特征组合 |
| 3.3.2 基于信息熵的特征降维 |
| 3.3.3 基于能量的特征降维 |
| 3.3.4 音频指纹的构建 |
| 3.4 用户语音检索 |
| 3.5 实验结果及分析 |
| 3.5.1 鲁棒性与检索性能分析 |
| 3.5.2 低信噪比噪声的鲁棒性分析 |
| 3.5.3 检索效率分析 |
| 3.6 本章小结 |
| 第4章 基于音频指纹的密文语音检索算法 |
| 4.1 引言 |
| 4.2 基于音频指纹的密文语音检索系统模型 |
| 4.3 密文语音库的构建 |
| 4.4 语音分类与音频指纹数据库索引表的构建 |
| 4.5 用户语音检索 |
| 4.6 数字水印算法 |
| 4.6.1 基于DT-CWT和 SVD的鲁棒盲音频水印算法 |
| 4.6.2 基于LSB的脆弱音频水印算法 |
| 4.7 实验结果及分析 |
| 4.7.1 检索性能分析 |
| 4.7.2 检索效率分析 |
| 4.7.3 安全性分析 |
| 4.7.4 鲁棒水印性能分析 |
| 4.8 本章小结 |
| 第5章 基于脆弱水印的密文语音认证与恢复方案 |
| 5.1 引言 |
| 5.2 密文语音认证方案 |
| 5.3 篡改定位与篡改恢复 |
| 5.3.1 篡改检测 |
| 5.3.2 篡改定位 |
| 5.3.3 基于残差恢复的线性插值法 |
| 5.4 实验结果及分析 |
| 5.4.1 脆弱水印嵌入容量分析 |
| 5.4.2 脆弱水印透明性分析 |
| 5.4.3 篡改检测分析 |
| 5.4.4 篡改恢复分析 |
| 5.5 本章小结 |
| 总结和展望 |
| 参考文献 |
| 致谢 |
| 附录A 攻读硕士学位期间发表的学术论文 |
| 附录B 攻读硕士学位期间参与的科研项目 |
（2）基于MongoDB的排水设施监管养护系统的应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于Mongo DB的数据存储研究现状 |
| 1.2.2 基于Node.js的 Web应用研究现状 |
| 1.2.3 排水设施运行数据状态监控相关研究 |
| 1.3 本文研究内容及组织结构 |
| 第2章 系统相关技术 |
| 2.1 NoSql |
| 2.2 Mongo DB |
| 2.3 Mongo DB-Grid FS |
| 2.4 Node.js |
| 2.5 Express |
| 2.6 数据压缩算法 |
| 2.7 本章小结 |
| 第3章 排水设施监管养护系统分析与设计 |
| 3.1 需求分析 |
| 3.2 系统架构设计 |
| 3.3 数据库设计 |
| 3.3.1 数据库选择 |
| 3.3.2 Mongo DB数据库设计 |
| 3.3.3 Mongo DB数据库集群设计 |
| 3.3.4 Grid FS文件数据库集群设计 |
| 3.4 本章小结 |
| 第4章 排水设施监管养护系统实现 |
| 4.1 排水设施数据采集 |
| 4.2 数据迁移 |
| 4.3 Mongo DB数据库集群实现 |
| 4.4 Web服务器端实现 |
| 4.5 客户端实现 |
| 4.5.1 登录模块 |
| 4.5.2 积水状态监控 |
| 4.5.3 污水状态监控 |
| 4.5.4 排水设施巡查模块 |
| 4.5.5 排水设施养护模块 |
| 4.5.6 排水户监管模块 |
| 4.5.7 排水设施查询模块 |
| 4.6 本章小结 |
| 第5章 排水设施监管养护系统测试 |
| 5.1 系统功能测试 |
| 5.1.1 测试环境 |
| 5.1.2 功能测试 |
| 5.2 架构性能测试 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
（3）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）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 |
（5）基于时序动作检测的监控视频异常事件检索方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 时序动作检测研究现状 |
| 1.2.2 视频检索技术研究现状 |
| 1.3 论文主要研究内容和章节安排 |
| 第2章 相关概念与关键技术 |
| 2.1 时序动作检测基础知识 |
| 2.1.1 深度学习理论基础 |
| 2.1.2 卷积神经网络基础 |
| 2.1.3 多阶段动作检测方法概述 |
| 2.1.4 检测性能评价标准 |
| 2.2 视频检索基础知识 |
| 2.2.1 视频数据的结构和特点 |
| 2.2.2 视频检索相关技术概述 |
| 2.2.3 检索性能评价标准 |
| 2.3 本章小结 |
| 第3章 基于时序动作检测的异常事件检测算法 |
| 3.1 引言 |
| 3.2 3D卷积神经网络 |
| 3.3 基于异常事件片段补充生成器的时序动作检测算法 |
| 3.3.1 异常事件片段补充生成器 |
| 3.3.2 改进3D卷积网络结构的分类网络 |
| 3.3.3 后处理 |
| 3.4 实验结果与分析 |
| 3.4.1 实验数据描述 |
| 3.4.2 实验结果与分析 |
| 3.5 本章小结 |
| 第4章 监控视频异常事件检索方法 |
| 4.1 引言 |
| 4.2 基于SCFV的视频特征描述方法 |
| 4.2.1 Fisher特征向量 |
| 4.2.2 SCFV特征向量 |
| 4.3 基于LSH的多级可拓展索引构建方法 |
| 4.3.1 数据库技术简介 |
| 4.3.2 局部敏感哈希技术 |
| 4.3.3 可拓展的多级索引构建方法 |
| 4.4 基于非对称比较的距离度量方法 |
| 4.5 实验结果与分析 |
| 4.5.1 实验数据描述 |
| 4.5.2 检索方法关键环节性能验证与分析 |
| 4.5.3 整体异常事件检索方法性能验证与分析 |
| 4.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的文章和取得的科研成果 |
| 致谢 |
（6）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 |
（7）和元多媒体语料库系统的设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 基于网络的多媒体语料库国内外研究现状 |
| 1.2.1 网络语言的研究 |
| 1.2.2 多媒体语料库的研究 |
| 1.3 论文的组织结构 |
| 第二章 和元建设的相关技术研究 |
| 2.1 语料的采集 |
| 2.2 语料的标注 |
| 2.3 语料的索引 |
| 2.4 和元系统开发的其它相关技术 |
| 2.4.1 Spring Boot |
| 2.4.2 Quarz |
| 2.5 本章小结 |
| 第三章 和元语料库模型 |
| 3.1 基于网络聊天活动的语料概念模型 |
| 3.2 多媒体语料分层处理模型 |
| 3.2.1 语料物理层 |
| 3.2.2 语料语义层 |
| 3.2.3 整体语段篇章处理层 |
| 3.3 本章小结 |
| 第四章 和元的需求分析 |
| 4.1 功能需求 |
| 4.1.1 系统领域模型 |
| 4.1.2 系统功能需求 |
| 4.2 性能需求 |
| 4.3 接口需求 |
| 4.4 本章小结 |
| 第五章 和元的设计 |
| 5.1 系统设计 |
| 5.1.1 系统架构 |
| 5.1.2 系统功能设计 |
| 5.2 详细设计 |
| 5.2.1 用户管理 |
| 5.2.2 反馈管理 |
| 5.2.3 语料管理 |
| 5.2.4 语料检索 |
| 5.2.5 日志管理 |
| 5.2.6 接口设计 |
| 5.3 数据库设计 |
| 5.4 本章小结 |
| 第六章 和元的实现及测试 |
| 6.1 开发环境 |
| 6.2 系统部署 |
| 6.3 和元的实现 |
| 6.3.1 用户管理 |
| 6.3.2 反馈管理 |
| 6.3.3 语料管理 |
| 6.3.4 语料检索 |
| 6.3.5 日志管理 |
| 6.4 系统测试 |
| 6.4.1 功能测试 |
| 6.4.2 兼容性测试 |
| 6.5 本章小结 |
| 总结与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 致谢 |
（8）面向知识图谱的可视化分析系统设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 论文组织结构 |
| 2 相关技术 |
| 2.1 Spring Boot |
| 2.2 HugeGraph |
| 2.3 Spark GraphX |
| 2.4 vis.js |
| 3 系统需求分析 |
| 3.1 体系结构分析 |
| 3.2 系统功能需求分析 |
| 3.3 系统非功能需求分析 |
| 3.4 系统运行环境 |
| 4 系统设计 |
| 4.1 总体架构设计 |
| 4.2 系统功能设计 |
| 4.2.1 数据管理模块设计 |
| 4.2.2 数据检索模块设计 |
| 4.2.3 网络分析模块设计 |
| 4.2.4 图谱计算模块设计 |
| 4.2.5 历史与统计模块设计 |
| 4.3 数据库设计 |
| 4.3.1 概念模型设计 |
| 4.3.2 主要数据库表设计 |
| 5 系统主要功能实现 |
| 5.1 数据管理模块实现 |
| 5.2 数据检索模块实现 |
| 5.3 网络分析模块实现 |
| 5.4 图谱计算模块实现 |
| 5.5 历史与统计模块实现 |
| 6 系统测试 |
| 6.1 测试方法 |
| 6.2 主要测试用例 |
| 结论 |
| 参考文献 |
| 致谢 |
（9）产品交互式电子手册的设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外的产生与发展情况 |
| 1.2.2 国内的研究与发展情况 |
| 1.3 本文主要研究内容 |
| 1.4 本文组织结构 |
| 第2章 IETM相关技术研究 |
| 2.1 IETM技术特点 |
| 2.2 IETM技术标准 |
| 2.2.1 国外IETM技术标准 |
| 2.2.2 国内IETM技术标准 |
| 2.2.3 标准分析与选择 |
| 2.3 XML技术 |
| 2.3.1 XML概述 |
| 2.3.2 XML文档解析 |
| 2.4 数据交互显示技术 |
| 2.5 检索相关技术 |
| 2.5.1 中文分词技术 |
| 2.5.2 全文索引与检索技术 |
| 2.5.3 PDF文本提取技术 |
| 2.6 本章小结 |
| 第3章 IETM系统需求分析与总体设计 |
| 3.1 系统需求分析 |
| 3.1.1 系统功能性需求分析 |
| 3.1.2 系统非功能性需求分析 |
| 3.2 系统软件体系结构设计 |
| 3.3 系统功能结构设计 |
| 3.3.1 数据编制模块设计 |
| 3.3.2 数据管理模块设计 |
| 3.3.3 交互浏览模块设计 |
| 3.4 数据库设计 |
| 3.4.1 数据库选择标准与部署 |
| 3.4.2 数据访问控制模型 |
| 3.5 本章小结 |
| 第4章 IETM系统详细设计与实现 |
| 4.1 交互浏览模块详细设计与实现 |
| 4.1.1 全文检索子模块的详细设计与实现 |
| 4.1.2 故障诊断子模块的详细设计与实现 |
| 4.1.3 交互式三维浏览功能的详细设计与实现 |
| 4.2 数据编制模块详细设计与实现 |
| 4.2.1 项目创建 |
| 4.2.2 数据模块的定位和创建 |
| 4.2.3 数据模块编制 |
| 4.3 数据管理模块详细设计与实现 |
| 4.3.1 出版物发布 |
| 4.3.2 出版物维护 |
| 4.3.3 发布手册 |
| 4.3.4 数据交换作业 |
| 4.4 本章小结 |
| 第5章 IETM系统测试与应用效果分析 |
| 5.1 系统测试环境 |
| 5.2 系统软件功能测试 |
| 5.2.1 数据编制模块的功能测试 |
| 5.2.2 数据管理模块的功能测试 |
| 5.2.3 交互浏览模块的功能测试 |
| 5.3 系统性能测试 |
| 5.4 应用效果分析 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（10）大规模高维信息的结构编码学习与索引（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 序论 |
| 1.1 本研究的课题背景和意义 |
| 1.2 高维数据最近邻搜索基础 |
| 1.3 语义环境下的高维信息相似性搜索 |
| 1.4 适用高维数据快速搜索的数据结构 |
| 1.5 本文章节安排和研究内容 |
| 第二章 基于索引编码的大规模搜索 |
| 2.1 大规模高维搜索的困难 |
| 2.2 使用量化方法编码大规模高维数据 |
| 2.3 高维数据的非遍历快速索引方法 |
| 2.3.1 基于哈希编码的桶搜索方法 |
| 2.3.2 基于量化编码的非遍历快速索引方法 |
| 2.4 当前基于量化编码的非遍历搜索方法的缺陷 |
| 2.5 最优量化编码性质 |
| 2.5.1 局部聚集性质 |
| 2.5.2 用于高维大规模数据搜索的结构编码 |
| 2.6 本章小结 |
| 第三章 无监督大规模高维信息结构编码和索引方法 |
| 3.1 向量量化基础 |
| 3.2 经典残差向量量化 |
| 3.3 广义残差向量量化 |
| 3.3.1 基于扩展残差向量的聚类量化 |
| 3.3.2 过渡聚类 |
| 3.3.3 多路径编码 |
| 3.3.4 进一步优化:消除内积项 |
| 3.3.5 大规模数据的在线字典学习 |
| 3.4 使用聚集树的非遍历大规模高维数据搜索 |
| 3.4.1 目前非遍历大规模高维数据搜索方法存在的问题 |
| 3.5 聚集树 |
| 3.5.1 搜索算法 |
| 3.5.2 时间复杂度分析 |
| 3.5.3 实际内存实现 |
| 3.5.4 和当前方法的对比 |
| 3.6 实验 |
| 3.6.1 所用数据集和测试方法 |
| 3.6.2 遍历式最近邻搜索 |
| 3.6.3 使用聚集树搜索 |
| 3.7 本章小结 |
| 第四章 基于语义的大规模高维信息量化编码学习 |
| 4.1 基于深度学习的同时特征和量化字典学习 |
| 4.2 基于仿二极管代价函数的深度编码学习 |
| 4.3 宇宙飞船模型:为输出增加惯性的深度特征学习方法 |
| 4.4 基于梯度贴合层的深度编码学习 |
| 4.5 与当前方法的对比 |
| 4.6 实验 |
| 4.6.1 实验数据集合 |
| 4.6.2 深度神经网络训练 |
| 4.6.3 网络参数 |
| 4.6.4 实验分析 |
| 4.6.5 性能对比 |
| 4.7 本章小结 |
| 第五章 总结和展望 |
| 5.1 本文的主要工作和创新点 |
| 5.2 对未来研究和应用的展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间参与的项目 |
| 攻读学位期间发表的学术论文 |
四、多媒体数据库索引技术的研究与实现（论文参考文献）
- [1]基于音频指纹的密文语音检索与认证方法研究[D]. 许福久. 兰州理工大学, 2021(01)
- [2]基于MongoDB的排水设施监管养护系统的应用研究[D]. 刘仪轩. 东华大学, 2020(04)
- [3]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)
- [4]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)
- [5]基于时序动作检测的监控视频异常事件检索方法研究[D]. 杨莹. 哈尔滨工程大学, 2020(05)
- [6]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)
- [7]和元多媒体语料库系统的设计与实现[D]. 纪然. 西北大学, 2019(12)
- [8]面向知识图谱的可视化分析系统设计与实现[D]. 王宗超. 大连理工大学, 2019(02)
- [9]产品交互式电子手册的设计与实现[D]. 宋凯歌. 哈尔滨工业大学, 2018(02)
- [10]大规模高维信息的结构编码学习与索引[D]. 刘诗聪. 上海交通大学, 2019(06)