123,123

內(nèi)容簡(jiǎn)介

　　成本低、重量輕、體積小、電池續(xù)航時(shí)間長(zhǎng)、內(nèi)嵌多種傳感器、計(jì)算能力強(qiáng)等特征，標(biāo)志著當(dāng)前移動(dòng)計(jì)算設(shè)備的硬件能力已經(jīng)發(fā)展到足以滿足人類日常生活需求的水平。當(dāng)這些高度集成的計(jì)算系統(tǒng)以可穿戴的形式捕捉、存儲(chǔ)、理解甚至響應(yīng)人們?nèi)粘Ｉ钪械男袨闀r(shí)，無疑賦予人類在記憶、挖掘、信息交互等方面的“超能力”，并必將改變?nèi)祟惖娜粘Ｉ?。然而，為達(dá)到這一目標(biāo)，必須再賦予可穿戴式計(jì)算像人一樣進(jìn)行語義理解的“軟能力”。這就需要充分應(yīng)用當(dāng)前人工智能算法、語義網(wǎng)、大數(shù)據(jù)等技術(shù)對(duì)可穿戴式設(shè)備所采集的多媒體數(shù)據(jù)進(jìn)行深度理解，以一種便于與人類溝通的內(nèi)容形式呈現(xiàn)給用戶，以構(gòu)建個(gè)性化的應(yīng)用。本書以可穿戴式日常行為感知這一多媒體大數(shù)據(jù)的研究為題，從可穿戴式視覺采集設(shè)備所記錄的多媒體信息的語義理解出發(fā)，分別介紹了這種語義感知的基本思路、流程和技術(shù)，并結(jié)合實(shí)際應(yīng)用，研究了系統(tǒng)的方法架構(gòu)，并對(duì)主要的技術(shù)模塊進(jìn)行說明和評(píng)估。由于本研究涉及可穿戴式數(shù)據(jù)采集、多媒體信息檢索、語義感知、大數(shù)據(jù)處理、人機(jī)交互和人機(jī)界面等多學(xué)科，因此可以作為計(jì)算機(jī)應(yīng)用領(lǐng)域的研究人員，尤其是多媒體和大數(shù)據(jù)以及信息檢索、人機(jī)交互方向的科研人員的參考書。對(duì)新技術(shù)和新興產(chǎn)業(yè)如可穿戴式計(jì)算技術(shù)和設(shè)備等感興趣的讀者也可以參考本書的內(nèi)容，以提高對(duì)相關(guān)領(lǐng)域技術(shù)和應(yīng)用的認(rèn)識(shí)。

作者簡(jiǎn)介

暫缺《可穿戴式日常行為語義感知及增強(qiáng)方法》作者簡(jiǎn)介

圖書目錄

第1章可穿戴式產(chǎn)品簡(jiǎn)介1
1.1背景介紹1
1.2可穿戴式產(chǎn)品的市場(chǎng)及應(yīng)用2
1.3典型可穿戴式感知設(shè)備5
1.4本章小結(jié)9
參考文獻(xiàn)10第2章可穿戴式語義感知的相關(guān)研究現(xiàn)狀11
2.1可穿戴式感知的應(yīng)用現(xiàn)狀11
2.2多媒體語義檢索研究現(xiàn)狀14
2.3多概念探測(cè)研究現(xiàn)狀16
2.4概念驅(qū)動(dòng)的行為識(shí)別現(xiàn)狀17
2.5本章小結(jié)17
參考文獻(xiàn)18第3章基于語義的視覺媒體處理24
3.1特征提取及表示24
3.1.1低層特征24
3.1.2高層特征26
3.2基于內(nèi)容和基于概念的檢索26
3.2.1基于內(nèi)容的檢索26
3.2.2基于概念的檢索27
3.2.3概念選擇/查詢擴(kuò)展27
3.3以事件為中心的媒體處理27
3.4日常行為感知及挑戰(zhàn)29
3.4.1日常行為感知——以SenseCam為例29
3.4.2可穿戴式行為感知處理框架31
3.4.3面臨的新挑戰(zhàn)32
3.5本章小結(jié)34
參考文獻(xiàn)35第4章可穿戴式日常行為語義空間39
4.1事件相關(guān)的概念分布特征39
4.2基于事件語義的視覺處理41
4.3事件語義空間42
4.3.1日常活動(dòng)的選擇42
4.3.2主題相關(guān)的概念44
4.3.3事件語義空間形式化45
4.3.4語義空間構(gòu)建用戶實(shí)驗(yàn)46
4.4語義空間中的概念關(guān)系47
4.4.1基于分類學(xué)的詞匯相似度48
4.4.2上下文本體相似度和相關(guān)性50
4.5語義概念在事件表示中的應(yīng)用51
4.5.1基于興趣度的概念聚合51
4.5.2一種VSM形式的語義表示53
4.5.3應(yīng)用效果分析55
4.6本章小結(jié)58
參考文獻(xiàn)58第5章訓(xùn)練無關(guān)的語義概念增強(qiáng)方法62
5.1方法出發(fā)點(diǎn)62
5.2方法描述63
5.2.1概念探測(cè)結(jié)果分解64
5.2.2集成概念本體66
5.2.3收斂性證明67
5.2.4近鄰相似性傳播68
5.3語義平滑的索引增強(qiáng)69
5.3.1算法形式化69
5.3.2概念相關(guān)性的外部推理70
5.4實(shí)驗(yàn)及結(jié)果討論71
5.4.1在數(shù)據(jù)集一上的評(píng)估結(jié)果71
5.4.2在數(shù)據(jù)集二上的評(píng)估結(jié)果74
5.4.3不同語義在算法中的作用75
5.4.4算法效率分析78
5.4.5引入語義平滑約束78
5.5本章小結(jié)80
參考文獻(xiàn)80第6章基于外部知識(shí)的檢索增強(qiáng)方法83
6.1語義多概念探測(cè)83
6.1.1創(chuàng)建概念本體84
6.1.2基于本體的多概念探測(cè)優(yōu)化87
6.2基于語義密度的概念選擇89
6.2.1文本預(yù)處理91
6.2.2合取概念的相似度91
6.2.3基于密度的概念選擇92
6.3利用相似度進(jìn)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實(shí)驗(yàn)分析96
6.4.1多概念探測(cè)評(píng)估96
6.4.2概念選擇評(píng)估102
6.5本章小結(jié)110
參考文獻(xiàn)110第7章概念的動(dòng)態(tài)組織及時(shí)序行為識(shí)別112
7.1方法框架描述113
7.2基于動(dòng)態(tài)語義屬性的行為識(shí)別114
7.2.1基于HMM的行為識(shí)別方法115
7.2.2用HMM費(fèi)舍爾核進(jìn)行活動(dòng)分類119
7.2.3基于HCRF的行為識(shí)別方法120
7.3時(shí)間感知的概念探測(cè)增強(qiáng)122
7.3.1基于WNTF的索引增強(qiáng)方法122
7.3.2有效性分析124
7.3.3計(jì)算復(fù)雜度分析124
7.4實(shí)驗(yàn)和評(píng)估125
7.4.1實(shí)驗(yàn)數(shù)據(jù)集126
7.4.2基于WNTF的概念探測(cè)增強(qiáng)評(píng)估128
7.4.3基于HMM的日常行為識(shí)別評(píng)估129
7.4.4基于HMM費(fèi)舍爾核行為識(shí)別評(píng)估132
7.4.5基于HCRF行為識(shí)別評(píng)估135
7.5本章小結(jié)138
參考文獻(xiàn)139第8章概念驅(qū)動(dòng)的行為識(shí)別影響要素分析141
8.1背景介紹141
8.2實(shí)驗(yàn)數(shù)據(jù)集143
8.3實(shí)驗(yàn)方法144
8.4實(shí)驗(yàn)結(jié)果146
8.5結(jié)果討論148
8.6本章小結(jié)150
參考文獻(xiàn)150第9章事件建模和上下文增強(qiáng)152
9.1語義表示和模型語言152
9.1.1本體153
9.1.2資源描述框架（RDF/RDFS）154
9.1.3OWL155
9.2上下文事件增強(qiáng)框架156
9.2.1一個(gè)說明場(chǎng)景156
9.2.2基于多上下文的事件本體156
9.2.3EventCube：一個(gè)增強(qiáng)的事件冊(cè)158
9.3事件語義增強(qiáng)和查詢160
9.3.1關(guān)聯(lián)開放數(shù)據(jù)和SPARQL查詢160
9.3.2位置增強(qiáng)162
9.3.3社交上下文增強(qiáng)164
9.4事件語義增強(qiáng)用例165
9.4.1用例設(shè)置165
9.4.2社交上下文增強(qiáng)的語義對(duì)齊167
9.4.3事件為中心的增強(qiáng)應(yīng)用168
9.5本章小結(jié)169
參考文獻(xiàn)170