一、多媒体与多媒体数据建模(论文文献综述)
徐志伟[1](2021)在《基于情感关系模式和注意力检测的多媒体情感分析》文中指出科技的进步带动了多媒体技术的蓬勃发展,每时每刻都有海量的多媒体数据产生。这些承载着人类情感的多媒体数据是巨大的宝藏,值得我们去探索和挖掘。近年来,情感分析技术得到了越来越广泛的关注。高效的情感分析算法可以帮助人们理解和使用多媒体数据,降低生产和管理成本,提升人机交互的效率。本文重点研究了与情感分析任务相关的两个问题:多媒体情感标注和图像情感分布学习。情感标注任务的一大难点是如何建模情感关系模式,而图像情感分布学习的关键是如何提炼出具有表征能力的情感特征。对于前者,我们利用图卷积网络和对抗学习策略分别在模型特征层和标签层捕捉情感关系模式,深入挖掘多维情感之间的关联。对于后者,我们引入了注意力机制,从全局和局部两个角度强化算法感知图像中情感内容的能力。总的来说,本文提出了基于情感关系模式和注意力检测的多媒体情感分析算法,具体内容如下:1.提出基于情感关系模式的多媒体情感标注算法。该方法将局部情感关系模式和全局情感关系模式分别应用到模型的特征层和标签层,用于辅助算法进一步挖掘多媒体数据所蕴含的情感内容。在特征层,我们构建了情感关系图来建模多维情感之间的局部关系,并且通过图卷积操作生成每种情感的情感表征,这些情感表征将会作为外部知识注入到模型中。在标签层,我们采用了对抗学习来约束生成的多维情感标签,即引入额外的判别器与模型进行博弈,确保模型获得的标签尽可能逼近真实标签。实验阶段我们分别在Music、NVIE、FilmStim和Memorability这四个多媒体情感数据库上进行了对比实验,证明了算法相较于相关工作的性能优劣。同时进行的消融实验验证了算法不同模块的效用以及不同实验参数对模型表现的影响。2.提出基于注意力检测和关系建模的图像情感分布算法。以往的工作往往从图像的全局角度提炼视觉表征,从而忽视了局部区域所蕴含的情感内容。针对这一问题,我们提出了类情感注意力检测模块,通过多模态双线性池化为每种情感生成对应的注意力图。这些注意力图表明了图像各个区域引发对应情感的可能性。在此基础上算法会进一步生成全局情感注意力图,使得模型具备从全局和局部两个角度探索情感区域的能力。除此之外,我们引入了图卷积网络来增强情感区域之间的交流,帮助模型提炼更全面的情感表征。实验阶段我们在FlickrLDL和TwitterLDL数据库上和相关工作进行了比较,实验结果证明了算法的优越性。可视化实验进一步说明了算法所提出的注意力图生成机制的有效性,消融实验证明了算法各个模块的作用。综上所述,围绕多媒体数据情感内容分析这一课题,我们提出在特征层和标签层构建情感关系模式来改善情感标签难以建模的问题,同时通过引入局部和全局的情感注意力图来加强图像情感特征的表征能力,进一步提高情感分析的性能。
王目[2](2020)在《面向移动多媒体的信息中心网络关键技术研究》文中提出得益于无线通信技术的快速演进以及智能终端的广泛普及,移动互联网在近年来获得了快速的发展。随着移动互联网规模的扩张,以移动视频服务为代表的移动多媒体应用呈现出爆发式增长的趋势。然而,现有移动互联网仍然沿用传统TCP/IP的网络体系结构。TCP/IP以主机通信(Host Communication)为目标的设计理念已经难以适应当前互联网以内容分发为主的功能需求。传统的多媒体分发解决方案如内容分发网络(Content Delivery Network)以及对等网络(Peer-to-Peer)通过构建覆盖网络来实现大规模多媒体内容的分发。而覆盖网络设计不仅带来了额外的通信开销,拓扑动态自适应差,很难在节点位置高速切换的移动场景下为用户提供连续、就近的内容获取,严重影响多媒体用户的体验质量以及整体网络性能。为了解决TCP/IP网络的缺陷,国内外不少学者都在近年来开展了未来互联网架构的研究。信息中心网络(Information-Centric Networking,ICN)作为其中的代表之一,受到了学术界和工业界广泛关注。不同于传统TCP/IP命名主机的设计理念,ICN通过表示网络中数据的方法,建立按内容名字路由的网络架构。这种以信息为中心的设计特性保证了数据传输过程不会因为用户网络位置而发生变化,因此能够更好地支持移动场景。另外,ICN还引入了在路径缓存机制,实现了内容的就近获取。尽管ICN在支持移动网络内容分发上具有诸多优势,然而如何实现信息中心网络下高质量的移动多媒体服务仍然面临着一系列挑战,具体表现为:(1)现有ICN的缓存机制主要考虑将内容部署在网络接入节点以及固网路由器上,大量边缘移动设备的缓存资源得不到充分利用,严重影响了缓存资源利用率。此外,所采用的依概率缓存策略存在着缓存命中提升困难等问题;(2)移动场景下的ICN转发机制始终面临着转发时延和开销之间的矛盾,造成转发效率低下,难以支持移动多媒体大规模、低时延的传输需求;(3)当前ICN传输控制研究大多针对固网场景,难以适应移动环境下多变的网络拓扑以及用户行为变化,造成通信资源利用率低且多媒体传输质量提升困难;(4)随着自适应流媒体技术(Dynamic Adaptive Streaming,DAS)的广泛应用,实现ICN DAS服务成为了近年来的研究热点。然而现有ICNDAS仍然沿用了传统IP网络端到端的传输机制,缺乏对ICN多播、多速率以及在路径缓存等特点的考虑。如何实现ICNDAS中高效码率自适应对于多媒体服务在ICN中的广泛部署具有重要意义。针对以上挑战,本文研究了面向移动多媒体服务的ICN关键技术,重点从面向移动多媒体的ICN缓存、转发、传输控制等方面进行了深入研究,具体取得了如下成果:(1)设计了时间阈值的ICN多媒体协作缓存策略。首先针对移动协作缓存场景,构建了缓存分布-用户需求演化模型来描述移动Device-to-Device(D2D)通信场景下缓存分布与用户请求之间的变化关系。在该模型的基础上,本文以联合优化缓存开销以及内容获取时延为目标构建了优化问题。进一步地,通过理论及数值分析发现,基于时间阈值的缓存策略要优于依概率的缓存策略。因此,根据缓存优化问题提出了时间阈值协作缓存算法。通过仿真实验,验证了所提缓存算法的有效性。(2)在协作缓存的基础上,进一步提出了一种偏好与移动感知的ICN转发策略。首先将具有相似多媒体内容请求行为以及移动行为的节点进行聚类,并建立偏好感知的转发节点选择策略来选择能够最小化时延以及最大化传输可靠性的下一跳节点。除此之外,还提出了一种移动自适应的数据回传机制,保证了数据转发的连续性。(3)设计了一种分布式随机优化的ICN数据传输控制算法。针对移动多媒体场景下节点高动态、带宽受限等问题,结合ICN多路传输特性,将ICN数据传输控制问题建模为最大化网络平均效用的网络随机优化问题。将构建的问题转化为min-drift-minus-penalty形式,并进一步将其分解为请求调度子问题以及传输速率控制子问题。为解决该问题,设计了分布式交替下降算法对两个子问题进行迭代求解。通过理论以及数值分析证明了所提出解决方法的最优收敛性。仿真实验验证了在实际网络中部署该算法的优越性。(4)为了进一步提升ICN下DAS的体验质量,提出了面向ICN DAS传输的分布式异步优化策略。首先将原问题抽象描述为分段优化问题:在第一阶段,以最大化传输速率效用为优化目标构建ICN流控制优化问题;在第二阶段,将视频码率选择问题抽象为随机优化问题。为求解该问题,进一步提出了一种分布式异步优化算法(Distributed Asynchronous Optimization Algorithm,DAOA),该算法包括了一种分布式交替镜像下降方法来求解第一阶段问题,以及基于虚队列的算法方法来求解第二阶段问题。本文从理论上证明了 DAOA的收敛性、复杂度以及动态自适应能力,并通过搭建仿真平台的方法验证了 DAOA的有效性。本研究针对ICN下的移动多媒体服务,考虑了多种不同应用场景,从数据缓存、转发、传输控制等方面开展了系统性的研究。在研究方法上,主要采用了数学建模、问题形式化描述、特定场景优化算法设计、算法性能理论与数值分析以及仿真实验等一系列研究方法。本文所取得的成果对我国未来网络体系架构优化、新型网络下的多媒体服务发展具有一定的借鉴意义。
胡骏[3](2020)在《社会多媒体网络表示学习研究》文中研究表明随着互联网的飞速发展,每天都会产生大量社会多媒体数据。这些社会多媒体数据中包含大量的关系信息,它们被广泛用于推荐系统、专家发现等重要的应用以挖掘有价值的信息。网络(数据结构)被广泛用于建模社会多媒体数据中的关系信息,网络结构的社会多媒体数据又被称为社会多媒体网络。近几年来,随着深度学习等机器学习技术的发展,涌现出大量面向社会多媒体网络的应用。实现这些应用所需要解决的基础问题之一,是如何有效地学习网络中节点的低维特征表示,以更好地捕捉网络节点隐含的语义信息。许多社会多媒体网络应用依赖于网络节点表示所提供的语义,且可以得益于更好的网络节点表示。然而,真实世界中社会多媒体网络的结构具有异构性和稀疏性,网络节点也可能会关联多种模态的内容数据。因此,社会多媒体网络表示学习是一项具有挑战性的任务。本文研究社会多媒体网络表示学习方法及其应用,并设计了面向具体任务的模型。本文主要工作如下:(1)针对社会多媒体网络数据的异构性、稀疏性和多模态性,提出一种基于注意力协同的多模态异构网络表示学习模型A2CMHNE。模型使用元路径捕捉异构多模态网络中隐藏的结构信息和多模态内容信息,并分别学习基于结构信息和内容信息的节点表示。在此基础上,提出一种基于注意力机制的协同框架来融合节点的结构表示和内容表示,以获得鲁棒的节点表示。在网络节点分类和链接预测任务上的实验结果验证了在异构多模态网络表示学习中协同网络结构信息和多模态信息可以有效地应对网络的异构性、稀疏性和多模态性。(2)针对多模态社区问答匹配任务中社会元素的异构性,提出使用异构网络建模问答及其关联的社会元素,并设计相应的网络表示学习方法捕捉问答的社交上下文语义信息,在此基础上提出了多模态注意力交互卷积匹配模型MMAICM。MMAICM使用元路径捕捉异构社区问答网络中隐藏的结构信息,以学习问答节点的社交上下文表示。问答节点社交上下文表示所提供的语义信息被用于构建注意力模型,辅助匹配模型捕捉问答多模态内容之间有意义的交互,最终提升问答匹配的性能。在两个真实社区问答数据集上的实验结果验证了通过网络表示学习获取的问答社交上下文信息对捕捉问答之间匹配模式的有效性。(3)针对多模态社区问答匹配任务中数据的多模态性,提出使用网络建模问答的多模态内容信息,并基于构建的网络学习多模态内容的层次化高阶语义表示,以捕捉问答多模态内容之间的语义级交互特征,在此基础上设计了层次图语义池化网络HGSPN。HGSPN第一次提出在社区问答匹配模型中使用网络建模多模态内容,以建模多模态内容中非连续和长距离的语义以及视觉信息。在此基础上,设计了一个栈式图池化网络以捕捉问答多模态内容之间层次化的语义级交互信息,并提出一个卷积匹配网络用于集成这些语义交互特征以进行问答匹配。在两个真实社区问答数据集上的实验结果验证了使用网络可以有效地建模多模态内容之间的语义交互信息。
刘奕[4](2020)在《5G网络技术对提升4G网络性能的研究》文中研究表明随着互联网的快速发展,越来越多的设备接入到移动网络,新的服务与应用层出不穷,对移动网络的容量、传输速率、延时等提出了更高的要求。5G技术的出现,使得满足这些要求成为了可能。而在5G全面实施之前,提高现有网络的性能及用户感知成为亟需解决的问题。本文从5G应用场景及目标入手,介绍了现网改善网络性能的处理办法,并针对当前5G关键技术 Massive MIMO 技术、MEC 技术、超密集组网、极简载波技术等作用开展探讨,为5G技术对4G 网络质量提升给以了有效参考。
孙健[5](2019)在《基于知识嵌入主题模型的多模态社会事件分析》文中提出随着移动互联网和社交网络的发展,人们的生活方式也在发生变化,许多社交网站(如Facebook,YouTube和微信)如雨后春笋般涌现,导致出现各种社会事件的大量多媒体数据(如文字,图片和视频)。并且伴随着互联网上数据的积累和特征表示学习技术的进步,从大规模知识库中学到的知识嵌入也已被用于概率主题模型。本文的目标是从大量无序的社交媒体数据中高效挖掘出事件主题,从而有利于用户或政府对重大社会事件的搜索、浏览和监控。然而,基于多模态信息学习可解释的主题和判别性事件表示是非常具有挑战性的。(1)本文首先提出了一种用于社会事件分析的基于知识的多模态加权主题模型(Knowledge-based Multi-modal Weighted Topic Model,KBMMWTM)。提出的KBMMWTM模型具有以下优点:1)提出的KBMMWTM模型可以有效地利用社会事件数据的多模态性;2)提出的KBMMWTM模型利用数据集中的词相关性作为先验知识,可以提高事件主题挖掘的性能。最后,我们在真实数据集上评估了我们的KBMMWTM模型,完整的实验表明我们的模型优于最先进的模型。(2)紧接着本文又提出了一种用于多模态社会事件分析的基于知识嵌入的主题模型,记作KE-MMTM(Knowledge Embedding Based Multi-modal Topic Model)。与其他现有方法相比,我们的工作有三个主要优势:1)我们的模型可以将附加的知识图嵌入作为先验知识集成到统一的主题模型中,利用知识嵌入,最大间隔分类器和多模态信息来获得更多的事件描述;2)我们使用WN18知识库(包含151,442个三元组,40,943个实体和18个关系)来学习知识嵌入向量,然后将具有由这些实体向量编码的先验知识的多模态数据合并到主题模型中从而学习更一致的主题;3)为了用于事件主题挖掘和分类研究,本文收集并公开发布了大规模多模态数据集(包括10个事件,每个事件包含约7000条信息)。大量的实验表明,所提出的方法在主题一致性方面优于(具有83.2%的分类准确度)现有的模型。
彭宇新,綦金玮,黄鑫[6](2019)在《多媒体内容理解的研究现状与展望》文中研究表明随着多媒体和网络技术的迅猛发展,海量的图像、视频、文本、音频等多媒体数据快速涌现.这些不同媒体的数据在形式上多源异构,语义上相互关联.认知科学研究表明,人脑生理组织结构决定了其对外界的感知和认知过程是跨越多种感官信息的融合处理.如何对不同媒体的数据进行语义分析和关联建模以实现多媒体内容理解,成为了一个研究和应用的关键问题,受到了学术界和工业界的广泛关注.选取了多媒体内容理解的5个最新热点研究方向:图像细分类与检索、视频分类与目标检测、跨媒体检索、视觉描述与生成、视觉问答,分别阐述了它们的基本概念、代表性方法、研究现状等,并进一步阐述了多媒体内容理解面临的重要挑战,同时给出未来的发展趋势,旨在帮助读者全面了解多媒体内容理解的研究现状,吸引更多研究人员投身相关研究并为他们提供技术参考,推动该领域的进一步发展.
闵雄阔[7](2018)在《基于感知特性的多媒体体验质量研究》文中研究指明随着信息技术的快速发展,多媒体逐渐成为人们表达和沟通的一种重要媒介,而多媒体信息也呈爆炸性增长。在此背景下,相关的多媒体处理技术也成为了研究热点。多媒体信息的最终接收者通常是人,因此研究并利用人的感知特性能够有效地提升相关的多媒体处理技术。本文通过研究人类的感知特性,重点探讨了若干与多媒体体验质量相关的技术,尤其是多媒体体验质量评价。人类感知多媒体信息是一个自底向上不断对底层感知信号进行加工,从而提取更加高层的语义信息的过程,而整个信息感知过程也通常被概念化为几个层级化的阶段:底层、中层及高层感知。底层感知主要从输入的感知信号中获取基础特征,例如亮度、颜色和方向;中层感知主要通过分析和整合基础特征得到更高级的中层特征,例如图像结构和轮廓;高层感知主要通过进一步分析中层特征得到内容和语义信息,例如物体和场景。本文深入探索多媒体信息的底层、中层及高层感知过程,利用人类在各个阶段的感知特性构建多媒体体验质量评价模型,从而为提供更好的体验质量提供帮助。本文的研究内容主要包括以下三个方面:首先,人类在底层感知过程中利用注意力机制有选择性地筛选出关键信息来进行更高级的处理。本文对底层感知过程中的这种注意力进行建模,并利用视觉注意来辅助视觉质量评价。具体地,本文引入了更多的影响视觉注意的因素,完善了现有的视觉注意模型,并利用视觉注意给重要性不同的内容赋予不同权重来辅助视觉质量评价。传统视觉注意模型通常充分利用亮度,颜色和方向等视觉特征来检测与周围环境显着不同的区域。这些模型在能被这些视觉特征很好地表征的场景中表现良好,但是在某些其它场景中效率不高,因此有必要纳入一些其它影响视觉注意的因素来完善现有视觉注意模型。音频信息普遍被当前的视觉注意建模研究忽略,然而音频信息对视觉注意会产生一定的影响,因此本文尝试同时利用视听觉信息来对视觉注意进行建模,并提出了一种视听注意模型。通过视听相关分析,本文定位出运动并发出声音的物体作为听觉注意力图,然后再将听觉注意力图与传统视觉注意力图进一步融合得到最终的视听注意力图。人脸信息是另一种对视觉注意有显着影响的因素。尽管有一些视觉注意模型纳入了人脸检测,但是它们考虑人脸信息的方式并不全面,因此本文对人脸上的视觉注意分布进行了系统性的分析,并提出了针对人脸图像的视觉注意模型。基于人脸检测及特征点定位,本文提取了一系列人脸特征,并将这些人脸特征与传统显着图结合得到预测的人脸视觉注意力图。相关的眼动实验结果表明传统视觉注意模型在纳入以上因素之后得到了显着提升。视觉注意机制作为视觉感知的一种底层机理,能够辅助更加高层的视觉信号处理,包括视觉质量评价。因此本文还借鉴了视觉注意机制,在质量评价的过程中给显着区域赋予更高的权重,而给非显着区域赋予更低的权重来辅助视觉质量评价。其次,人类在中层感知过程中的基础特征整合会受到质量退化的影响。本文利用中层感知过程中的这种失真感知特性构建体验质量评价模型。具体地,本文引入最大失真图像的概念,搭建了基于最大失真图像的盲质量评价框架,并提出了一系列基于该框架的针对特定失真的和通用的盲图像质量评价算法。传统质量评价算法一般都遵循一个通用框架,即通过衡量目标图像与高质量图像的偏差来评价图像质量。受此框架的启发,本文引入了最大失真图像的概念。与高质量的参考图像不同,最大失真图像由失真图像生成,并且它描述了目标图像在遭受较严重的失真时的状态。本文将最大失真图像作为描述最差图像质量的基准点,并通过衡量失真图像与最大失真图像的偏差来估计图像质量。利用上述的质量评价框架,本文提出了基于最大失真图像的块效应,锐度和噪度估计算法,然后再利用一个先失真识别后质量回归的两步框架将这些针对特定失真的质量评价算法融合成一个通用的基于最大失真图像的盲质量评价算法。本文进一步对以上算法进行改进,通过往失真图像增加多种类型及程度的失真来引入多级失真强化图像,然后再比较失真图像和多级失真强化图像之间的相似性。与某一级失真强化图像越相似表示目标图像的质量越接近该图像,而融合失真图像和多级失真强化图像之间的一系列相似性分数即得到基于多级失真强化图像的盲质量评价算法。主流图像质量评价数据库上的实验结果验证了本文提出的算法的有效性。此外,本文提出的算法比主流无参考算法更加稳定,因为本文通过比较图像来估计图像质量,而图像内容的影响在这样的对比过程中得到显着降低。最后,人类在高层感知过程中得到内容及语义信息,而感知质量则严重依赖于高层内容及语义信息。本文利用高层感知过程的这种内容感知特性来拓展多媒体体验质量评价的适用范围。具体地,本文研究跨内容来源的视觉质量评价,并提出了跨内容来源的图像质量评价算法。随着远程终端,云计算,游戏直播等应用的快速发展,视觉通信系统中的内容来源得到了极大的扩展。与从现实世界场景拍摄得到的自然场景图像不同,计算机图形图像和屏幕内容图像大部分都是利用计算机人为生成的,而且它们具有许多与自然场景图像明显不同的特性。因此,很有必要研究图像质量评价在各种内容来源上的适用性,扩展现有的图像质量评价算法的内容来源适用范围。一方面,本文开展了跨内容来源的主观图像质量评价研究,并提出了一个适用于自然场景,计算机图形及屏幕内容图像的统一的内容来源自适应的盲图像质量评价算法。基于本文提出的一种新颖的受感知启发的内容来源自适应多尺度加权策略,该算法能够根据图像内容特性自适应地提取并融合多个尺度上的角点和边缘特征,从而能更好地模拟人眼在观看不同的内容时的感知特性。另一方面,本文通过分析视觉注意与质量评价之间的关系,提出了一个跨内容来源的基于显着性的半参考图像质量评价算法。该算法受两点启发,一是质量退化会造成图像底层特征的变化,从而会影响显着性检测,二是显着性检测实际上也是一种数据降维操作。所以本文通过衡量两幅图像的显着图的差异来评价图像质量,而该显着图由占用数据量极小的一种二值图像描述子来描述。在本文构建的及现有的质量评价数据库上的实验结果验证了本文提出的算法的有效性。与传统算法相比,本文提出的算法对于内容及内容来源变化展现了更强的健壮性。
魏晨[8](2011)在《多媒体数据模型研究进展》文中研究指明多媒体数据模型是多媒体数据库系统组织与结构化的基础。本文介绍了多媒体数据模型的建模方法以及多媒体数据模型在近几年来的研究进展,并将多媒体数据的建模方法归纳为三类:扩充关系、语义模型以及面向对象。扩充关系模型建模方法是在传统关系系统中引入了新的多媒体数据类型;语义模型建模方法是对多媒体数据处理的抽象和对现实世界的实体及其关联的自然表示;面向对象模型建模方法最适合于描述复杂对象及其内部结构和联系。指出MPEG-7作为一种多媒体描述标准,是对多媒体数据库及其应用的有益补充。
曾鹏飞[9](2011)在《面向共享与交换策略的多领域协同产品设计关键技术研究》文中研究说明论文针对多学科领域协同产品设计过程的产品信息共享、数据一致性管理、过程互操作、多媒体支撑环境等涉及信息、数据、知识共享和交换方面的关键技术与平台系统开发进行了深入的研究,并以某型高压往复泵设计为例,对论文所取得的研究成果进行了应用验证。论文主要研究工作包括:(1)首先对协同产品设计的概念、背景以及国内外研究现状进行深入的分析和研究,对各方面的研究进行了较为全面的阐述,细致地进行了论文研究的背景分析,确立了本文的研究方向,阐明了论文的选题意义、主要研究目标,并给出了论文的组织结构。(2)在多学科领域产品模型共享与交互方面,提出了基于共享产品信息模型的多学科协同设计方法。构建了一种可共享的产品信息模型及其创建与发布机制。建立了多领域协同的轻量化共享产品设计框架及其体系结构。实现了消息驱动的设计应用共享模式。基于扩展的事件驱动过程链(eEPC)图,建立了共享信息模型环境下的协同设计过程模型。提出了双令牌的基于设计优先权和排序时间的协同设计过程交互控制机制。基于层次分析法(AHP)和有限源排队系统理论完成了共享协同设计系统运行指标的分析与仿真。基于XML构建了设计信息共享的表达方法。(3)在跨企业领域协同设计过程动态数据共享与一致性管理方面,提出了基于P2P网络的协同设计过程数据一致性控制与管理方法。建立了P2P网络环境下的协同设计数据管理模型。构建了协同过程的P2P设计群组模型、设计Peers的动态管理方式和设计对等群组的交互模式。提出了一种设计数据非一致性的侦测模型,建立了基于设计约束的P2P数据更新的一致性控制。构建了基于JXTA开发平台的协同产品设计过程数据一致性管理框架体系。(4)针对群组协作环境下知识共享、信息交流与冲突消解的需求,构建了多媒体支撑的多学科协同设计环境。建立了多媒体协同环境的系统运行模式、功能体系和网络结构。描述了系统开发的结构方案设计、交互过程实时媒体流事件处理以及RTCP控制方法。完成了系统的服务器端设计、客户浏览器端设计。完成了会议系统的角色定义与管理,及其安全认证。实现了与产品数据管理系统的集成,并实施了系统的测试工作。(5)在跨企业协同的过程信息共享与互操作方面,将过程描述语言—PSL本体引入协同产品设计过程,提出了基于PSL本体的产品设计过程互操作方法。构建了设计过程的本体结构模型及其OWL描述,实现了设计过程本体与PSL本体的映射以及基于PSL参考本体的过程系统语义交换。提出了设计过程本体概念之间相似度的计算方法。基于Web服务实现了协同过程设计服务的组合与协调模式。构建了基于PSL本体的协同设计过程互操作的实现框架,以及互操作过程本体的XML映射与通信机制。(6)在综合分析现有产品设计的多领域学科耦合和跨企业协同过程的基础上,提出了以多学科协同产品设计过程为中心的适应性服务系统平台模式。建立了多学科协同设计的服务集成框架和设计服务组合的层次结构,分析了设计过程服务系统平台的内容与功能层次。确立了平台系统的主要内容与建设任务。完成了原型系统的总体结构设计和程序开发工作,并以某型高压往复泵设计为例.,进行了应用验证。
魏晨[10](2010)在《多媒体数据模型研究进展》文中提出多媒体数据模型是多媒体数据库系统组织与结构化的基础。本文介绍了多媒体数据模型的建模方法以及多媒体数据模型在近几年来的研究进展,并将多媒体数据的建模方法归纳为三类:扩充关系、语义模型以及面向对象。扩充关系模型建模方法是在传统关系系统中引入了新的多媒体数据类型;语义模型建模方法是对多媒体数据处理的抽象和对现实世界的实体及其关联的自然表示;面向对象模型建模方法最适合于描述复杂对象及其内部结构和联系。指出MPEG-7作为一种多媒体描述标准,是对多媒体数据库及其应用的有益补充。
二、多媒体与多媒体数据建模(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、多媒体与多媒体数据建模(论文提纲范文)
(1)基于情感关系模式和注意力检测的多媒体情感分析(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 研究现状 |
1.2.1 对抗学习的研究现状 |
1.2.2 图卷积网络的研究现状 |
1.2.3 注意力机制的研究现状 |
1.2.4 多媒体情感标注的研究现状 |
1.2.5 图像情感分析研究现状 |
1.3 主要研究内容 |
1.4 论文组织结构 |
第2章 基于情感关系模式的多媒体情感标注算法 |
2.1 引言 |
2.2 知识背景: 图卷积网络 |
2.3 知识背景: 生成对抗网络 |
2.4 问题描述 |
2.5 基于情感关系模式的多媒体情感标注算法 |
2.5.1 特征层的局部关系注入 |
2.5.2 标签层的全局关系约束 |
2.5.3 类平衡损失函数设计 |
2.6 实验与分析 |
2.6.1 实验条件 |
2.6.2 实验结果与分析 |
2.6.3 与相关工作的比较 |
2.6.4 类平衡损失函数对实验结果的影响 |
2.6.5 不同深度的图卷积网络对实验结果的影响 |
2.6.6 挑选编码器不同层特征的影响 |
2.7 本章小结 |
第3章 基于注意力检测和关系建模的图像情感分布算法 |
3.1 引言 |
3.2 基于注意力检测和关系建模的图像情感分布算法 |
3.2.1 类情感注意力检测 |
3.2.2 相关性分析 |
3.2.3 全局情感注意力生成 |
3.3 实验与分析 |
3.3.1 实验条件 |
3.3.2 与相关工作的比较 |
3.3.3 可视化结果分析 |
3.4 消融实验与分析 |
3.4.1 算法中不同模块的作用 |
3.4.2 不同词向量策略的影响 |
3.4.3 双线性池化函数中参数的影响 |
3.4.4 损失函数中权衡参数的影响 |
3.4.5 不同深度的图卷积网络的影响 |
3.4.6 不同特征融合策略的影响 |
3.4.7 模型信息 |
3.5 本章小结 |
第4章 总结与展望 |
4.1 本文工作总结 |
4.2 下一步工作展望 |
参考文献 |
致谢 |
在读期间发表的学术论文与取得的研究成果 |
(2)面向移动多媒体的信息中心网络关键技术研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 论文研究背景 |
1.1.1 移动多媒体服务发展概述 |
1.1.2 信息中心网络的特性 |
1.1.3 信息中心网络下移动多媒体服务面临的挑战 |
1.2 论文选题依据 |
1.3 论文主要研究内容 |
1.4 论文主要贡献与创新 |
1.5 论文组织结构 |
1.6 本章参考文献 |
第二章 相关工作综述 |
2.1 传统IP网络下的移动多媒体服务解决方案 |
2.1.1 概述 |
2.1.2 基于MP2P的移动多媒体服务 |
2.2 信息中心网络下的多媒体服务技术 |
2.2.1 概述 |
2.2.2 ICN下的数据缓存机制 |
2.2.3 ICN下的数据转发机制 |
2.2.4 ICN下的传输控制机制 |
2.2.5 面向DAS的ICN传输机制 |
2.3 本章小结 |
2.4 本章参考文献 |
第三章 时间阈值的ICN多媒体协作缓存策略 |
3.1 本章引言 |
3.2 系统建模 |
3.2.1 网络条件假设 |
3.2.2 网络节点的角色及状态定义 |
3.2.3 节点状态演化流模型 |
3.2.4 状态演化方程组构建 |
3.3 基于状态演化模型的ICN协作缓存优化 |
3.3.1 缓存性能与开销联合优化问题建模 |
3.3.2 最优化时间阈值的缓存控制 |
3.3.3 时间阈值缓存算法ζ~*-OCP |
3.4 仿真实验 |
3.5 本章小节 |
3.6 本章参考文献 |
第四章 偏好与移动感知的ICN转发策略 |
4.1 本章引言 |
4.2 用户行为分析 |
4.3 偏好转发表的构建 |
4.3.1 基于偏好、移动相似性评估的关联节点选择 |
4.3.2 偏好转发表(HPCT)构建 |
4.3.3 偏好转发表(HPCT)的维护机制 |
4.4 ICN转发机制设计 |
4.4.1 基于HPCT的ICN兴趣包转发方法 |
4.4.2 移动自适应的ICN数据转发机制 |
4.5 性能评估 |
4.6 本章小节 |
4.7 本章参考文献 |
第五章 基于分布式随机优化的ICN传输控制方法 |
5.1 本章引言 |
5.2 系统模型 |
5.2.1 网络和传输模型 |
5.2.2 请求等待队列 |
5.2.3 策略空间 |
5.2.4 问题形式建模 |
5.2.5 随机问题分解 |
5.3 DADM设计 |
5.3.1 面向DADM的ICN转发平面设计 |
5.3.2 算法详细设计 |
5.4 DADM的主要结果 |
5.4.1 计算复杂度 |
5.4.2 队列稳定性 |
5.4.3 算法最优性收敛 |
5.5 仿真测试 |
5.5.1 实验设置与实现 |
5.5.2 基础设施场景 |
5.5.3 基于Mesh的移动场景 |
5.6 本章小结 |
5.7 本章参考文献 |
第六章 面向ICN自适应视频流传输的分布式异步优化 |
6.1 本章引言 |
6.2 场景描述 |
6.2.1 网络模型 |
6.3 问题形式化 |
6.3.1 第一阶段:ICN DAS流控制优化 |
6.3.2 第二阶段:请求比特率自适应问题 |
6.4 分布式异步优化算法设计 |
6.4.1 问题P1的算法 |
6.4.2 问题P2算法 |
6.5 主要理论结果 |
6.5.1 算法收敛性分析 |
6.5.2 复杂度分析 |
6.5.3 时变自适应 |
6.6 性能评估 |
6.6.1 参数设置 |
6.6.2 森林拓扑结构 |
6.6.3 基于CDN的拓扑 |
6.6.4 大规模网络场景 |
本章小结 |
本章参考文献 |
第七章 结语 |
7.1 论文总结 |
7.2 未来的研究工作 |
附录A 第三章中定理证明 |
A-Ⅰ 定理3.1证明 |
A-Ⅱ 定理3.2证明 |
A-Ⅲ 参考文献 |
附录B 第五章中定理证明 |
B-Ⅰ 定理5.1证明 |
B-Ⅱ 定理5.2证明 |
B-Ⅲ 定理5.3证明 |
附录C 第六章中定理证明 |
C-Ⅰ交替镜像下降法介绍 |
C-Ⅱ 命题6.1证明 |
C-Ⅲ 定理6.2证明 |
C-Ⅲ 定理6.3证明 |
C-Ⅲ 参考文献 |
致谢 |
攻读博士学位期间发表的学术成果 |
攻读博士学位期间主持或参与的科研项目 |
(3)社会多媒体网络表示学习研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 研究内容 |
1.2.1 社会多媒体异构多模态网络表示学习 |
1.2.2 面向多模态社区问答匹配的异构网络表示学习 |
1.2.3 基于网络表示学习的多模态社区问答内容层次语义匹配 |
1.3 论文的组织结构 |
第二章 研究现状 |
2.1 网络表示学习 |
2.2 社会多媒体网络表示学习 |
2.3 本章小结 |
第三章 社会多媒体异构多模态网络表示学习 |
3.1 引言 |
3.2 相关工作 |
3.2.1 基于神经网络的网络表示学习方法 |
3.2.2 社会多媒体网络表示学习方法 |
3.3 基于注意力机制的协同多模态异构网络表示学习方法 |
3.3.1 问题定义 |
3.3.2 框架概览 |
3.3.3 基于异构网络结构的节点表示学习方法 |
3.3.4 基于多模态内容的节点表示学习方法 |
3.3.5 基于注意力的节点表示协同机制 |
3.3.6 损失函数与模型优化 |
3.4 实验结果和分析 |
3.4.1 数据集 |
3.4.2 基线方法 |
3.4.3 参数设置与评价指标 |
3.4.4 量化结果 |
3.4.5 个案研究 |
3.5 本章小结 |
第四章 面向多模态社区问答匹配的异构网络表示学习 |
4.1 引言 |
4.2 相关工作 |
4.2.1 基于表示的社区问答匹配 |
4.2.2 基于交互的社区问答匹配 |
4.2.3 基于社会信息的社区问答匹配 |
4.2.4 多模态社区问答匹配 |
4.3 多模态注意力交互卷积匹配模型 |
4.3.1 问题定义 |
4.3.2 框架概览 |
4.3.3 多模态交互矩阵 |
4.3.4 基于元路径的异构社交网络表示学习 |
4.3.5 基于注意力的交互矩阵 |
4.3.6 卷积匹配网络 |
4.3.7 损失函数与模型优化 |
4.4 实验结果和分析 |
4.4.1 数据集 |
4.4.2 基线方法 |
4.4.3 评价指标与参数设置 |
4.4.4 量化结果 |
4.4.5 参数分析 |
4.4.6 个案研究 |
4.5 本章小结 |
第五章 基于网络表示学习的多模态社区问答内容层次语义匹配 |
5.1 引言 |
5.2 相关工作 |
5.2.1 基于图神经网络的匹配方法 |
5.3 层次图语义池化网络 |
5.3.1 问题定义 |
5.3.2 框架概览 |
5.3.3 多模态内容的图构建 |
5.3.4 栈式图池化网络 |
5.3.5 卷积匹配网络 |
5.3.6 损失函数与模型优化 |
5.4 实验结果和分析 |
5.4.1 数据集 |
5.4.2 基线方法 |
5.4.3 评价指标与参数设置 |
5.4.4 量化结果 |
5.4.5 详细分析 |
5.4.6 个案研究 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 课题研究展望 |
参考文献 |
攻读博士学位期间的学术活动及成果情况 |
(4)5G网络技术对提升4G网络性能的研究(论文提纲范文)
引言 |
1 4G网络现处理办法 |
2 4G网络可应用的5G关键技术 |
2.1 Msssive MIMO技术 |
2.2 极简载波技术 |
2.3 超密集组网 |
2.4 MEC技术 |
3 总结 |
(5)基于知识嵌入主题模型的多模态社会事件分析(论文提纲范文)
致谢 |
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 社会事件分析的发展及研究现状 |
1.2.1 多媒体社会事件分析国内外研究现状 |
1.2.2 主题模型国内外研究现状 |
1.3 本文的主要内容和组织结构 |
1.3.1 本文的主要内容 |
1.3.2 论文的组织结构 |
第二章 社会事件分析理论基础 |
2.1 主题模型理论基础 |
2.2 潜在狄利克雷分配 |
2.2.1 潜在狄利克雷分配的原理 |
2.2.2 潜在狄利克雷分配的变种 |
2.3 分类方法 |
2.2.1 朴素贝叶斯(NB) |
2.2.2 K近邻(KNN) |
2.2.3 支持向量机(SVM) |
2.4 小结 |
第三章 基于知识加权多模态主题模型的社会事件分析 |
3.1 方法概述 |
3.2 准备工作 |
3.2.1 数据集收集 |
3.2.2 特征提取 |
3.3 基于知识加权的多模态主题模型 |
3.4 模型推断 |
3.5 实验结果 |
3.5.1 定量分析 |
3.5.2 定性分析 |
3.6 小结 |
第四章 基于知识嵌入多模态主题模型的社会事件分析 |
4.1 方法概述 |
4.2 基于知识嵌入的多模态主题模型 |
4.2.1 问题定义 |
4.2.2 基于知识嵌入的多模态主题模型统一框架 |
4.3 模型推断 |
4.4 多媒体社会事件分类 |
4.5 实验结果 |
4.5.1 定量分析 |
4.5.2 参数分析 |
4.5.3 定性分析 |
4.6 小结 |
第五章 总结与展望 |
5.1 工作总结 |
5.2 工作展望 |
参考文献 |
攻读硕士学位期间的学术活动及成果情况 |
(6)多媒体内容理解的研究现状与展望(论文提纲范文)
1 图像细分类与检索 |
1.1 图像细分类 |
1.1.1 强监督图像细分类 |
1.1.2 弱监督图像细分类 |
1.1.3 基于属性和文本描述的图像细分类 |
1.2 图像检索 |
1.2.1 无监督图像Hash方法 |
1.2.2 有监督图像Hash方法 |
1.2.3 深度图像Hash方法 |
2 视频分类与目标检测 |
2.1 视频分类 |
2.2 视频目标检测 |
3 跨媒体检索 |
3.1 跨媒体检索的传统方法 |
3.2 跨媒体检索的深度学习方法 |
3.3 跨媒体检索的Hash方法 |
4 视觉描述与生成 |
4.1 图像视频的文本描述生成 |
4.2 文本到图像生成 |
4.3 文本到视频生成 |
5 视觉问答 |
6 问题与挑战 |
7 总结 |
(7)基于感知特性的多媒体体验质量研究(论文提纲范文)
摘要 |
abstract |
缩略语对照表 |
第一章 绪论 |
1.1 课题的研究背景及意义 |
1.2 课题的研究现状 |
1.2.1 视觉质量评价 |
1.2.2 视觉注意预测 |
1.2.3 视觉注意与质量评价 |
1.3 本文的研究工作和内容组织 |
1.3.1 研究工作 |
1.3.2 内容组织 |
1.3.3 章节关联 |
第二章 基于底层视觉注意特性的质量评价 |
2.1 引言 |
2.1.1 现有纳入音频信息的视觉注意研究 |
2.1.2 现有纳入人脸信息的视觉注意研究 |
2.1.3 现有基于视觉注意的质量评价研究 |
2.2 纳入音频信息的视觉注意预测 |
2.2.1 听觉注意建模 |
2.2.2 视觉注意建模 |
2.2.3 视听注意融合 |
2.2.4 实验验证 |
2.3 纳入人脸信息的视觉注意预测 |
2.3.1人脸图像的眼动实验 |
2.3.2 人脸图像的视觉注意分析 |
2.3.3 人脸图像的视觉注意预测 |
2.3.4 实验验证 |
2.4 基于视觉注意的质量评价 |
2.4.1自然图像的眼动实验 |
2.4.2 基于视觉注意加权的质量评价 |
2.4.3 实验验证 |
2.5 小结 |
第三章 基于中层失真感知特性的质量评价 |
3.1 引言 |
3.1.1 现有针对特定失真的盲图像质量评价算法 |
3.1.2 现有通用盲图像质量评价算法 |
3.2 基于最大失真图像的视觉质量评价框架 |
3.3 基于最大失真图像的盲质量评价算法 |
3.3.1 基于最大失真图像的块效应评价算法 |
3.3.2 基于最大失真图像的锐度及噪度评价算法 |
3.3.3 基于最大失真图像的通用盲质量评价算法 |
3.3.4 实验验证 |
3.4 基于多级失真强化图像的盲质量评价算法 |
3.4.1 多级失真强化图像生成 |
3.4.2 局部二值模式特征提取及相似性度量 |
3.4.3 特征回归 |
3.4.4 实验验证 |
3.5 小结 |
第四章 基于高层内容感知特性的跨内容来源质量评价 |
4.1 引言 |
4.1.1 现有跨内容来源的质量评价研究 |
4.1.2 现有视觉注意在质量评价中的利用方式 |
4.2 图像内容来源自适应的盲压缩图像质量评价算法 |
4.2.1 自然场景,计算机图形及屏幕内容图像的主观质量评价 |
4.2.2 图像内容来源自适应算法—多尺度角点及边缘特征提取 |
4.2.3 图像内容来源自适应算法—内容来源自适应的多尺度加权 |
4.2.4 实验验证 |
4.3 基于显着性的跨内容来源半参考质量评价算法 |
4.3.1 基于显着性检测的半参考特征提取 |
4.3.2 显着性特征相似性度量 |
4.3.3 针对对比度和亮度变化的质量校正 |
4.3.4 实验验证 |
4.4 小结 |
全文总结 |
参考文献 |
致谢 |
攻读学位期间发表的学术论文 |
(9)面向共享与交换策略的多领域协同产品设计关键技术研究(论文提纲范文)
摘要 |
Abstract |
目录 |
第1章 绪论 |
1.1 引言 |
1.2 协同产品设计 |
1.2.1 CAD技术的发展 |
1.2.2 协同产品设计产生的背景 |
1.2.3 协同产品设计的内涵 |
1.3 国内外研究现状 |
1.4 论文课题来源与选题意义 |
1.4.1 课题来源 |
1.4.2 选题意义 |
1.5 论文的主要研究内容 |
1.6 本章小结 |
第2章 协同设计模型共享与交互 |
2.1 多领域协同产品设计需求 |
2.2 多学科协同模式下的产品信息共享模型 |
2.2.1 共享产品模型视图 |
2.2.2 共享信息模型文件格式—.3D |
2.2.3 共享信息模型的创建与发布 |
2.3 基于共享信息模型的协同设计框架及其体系结构 |
2.4 设计信息共享的消息驱动模式 |
2.5 协同设计过程建模与交互控制 |
2.5.1 基于共享信息模型的设计过程建模及其环境定义 |
2.5.2 共享模型的交互过程控制 |
2.5.3 设计请求的冲突消解 |
2.6 协同过程共享设计信息的表达方法 |
2.7 本章小结 |
第3章 基于P2P网络的设计数据一致性 |
3.1 P2P网络 |
3.1.1 P2P定义及特点 |
3.1.2 P2P网络的应用 |
3.1.3 JXTA—开放式P2P开发平台 |
3.2 基于P2P的设计过程数据管理 |
3.2.1 基于P2P环境的协同产品设计 |
3.2.2 P2P环境下的协同设计数据管理 |
3.2.3 P2P协同设计数据管理模型 |
3.3 协同设计的P2P群组建模 |
3.4 基于P2P的协同设计数据一致性控制 |
3.4.1 设计数据非一致性检测 |
3.4.2 P2P数据更新控制方法 |
3.4.3 基于设计约束的P2P数据更新 |
3.4.4 基于设计约束的数据更新一致性控制 |
3.5 基于JXTA的协同设计数据一致性管理框架 |
3.6 本章小结 |
第4章 实时协同过程的多媒体支撑环境 |
4.1 CSCW与协同设计多媒体支撑环境 |
4.2 基于Java的多媒体应用技术 |
4.2.1 流媒体传输与控制技术 |
4.2.2 Java媒体框架技术 |
4.2.3 组播技术 |
4.3 多媒体实时协同支撑环境的体系构建 |
4.3.1 多媒体交互模式与体系结构设计 |
4.3.2 系统开发方案设计 |
4.3.3 实时媒体流的传输 |
4.3.4 基于RTCP的媒体流控制 |
4.3.5 服务器端设计 |
4.3.6 客户浏览器端设计 |
4.4 多媒体支撑环境的安全性 |
4.4.1 交互过程角色定义与管理 |
4.4.2 系统程序模块的安全认证 |
4.5 多媒体支撑系统与PDM系统的集成 |
4.6 本章小结 |
第5章 协同产品设计的过程互操作 |
5.1 企业协同与互操作 |
5.1.1 互操作的定义 |
5.1.2 集成与互操作 |
5.2 协同产品设计的互操作 |
5.2.1 协同产品设计的互操作需求 |
5.2.2 面向互操作的协同设计过程模式 |
5.3 基于本体论的过程描述 |
5.3.1 过程描述语言——PSL |
5.3.2 PSL核心 |
5.3.3 PSL扩展 |
5.3.4 基于PSL的过程本体语义交换方法 |
5.4 基于PSL本体的协同设计过程建模 |
5.5 设计过程本体的语义相似性 |
5.5.1 设计过程本体映射发现 |
5.5.2 设计过程本体概念相似性 |
5.6 基于Web服务的协同设计过程组合与协调 |
5.6.1 Web服务技术 |
5.6.2 面向服务的协同产品设计过程 |
5.7 协同设计过程的互操作框架 |
5.8 过程本体的XML映射 |
5.9 本章小结 |
第6章 多学科协同的适应性设计过程服务平台 |
6.1 多学科协同的适应性设计过程服务体系 |
6.2 适应性服务组合的结构层次 |
6.3 适应性服务平台的目标与任务 |
6.3.1 多学科协同设计与优化环境 |
6.3.2 设计过程互操作服务 |
6.3.3 多学科协同过程数据服务 |
6.3.4 设计过程的知识服务 |
6.4 原型系统开发与应用实例 |
6.4.1 系统体系结构设计 |
6.4.2 应用实例 |
6.5 本章小结 |
第7章 结论与展望 |
7.1 结论 |
7.2 展望 |
参考文献 |
致谢 |
攻读学位期间发表的论着、获奖情况 |
四、多媒体与多媒体数据建模(论文参考文献)
- [1]基于情感关系模式和注意力检测的多媒体情感分析[D]. 徐志伟. 中国科学技术大学, 2021(08)
- [2]面向移动多媒体的信息中心网络关键技术研究[D]. 王目. 北京邮电大学, 2020(01)
- [3]社会多媒体网络表示学习研究[D]. 胡骏. 合肥工业大学, 2020(01)
- [4]5G网络技术对提升4G网络性能的研究[J]. 刘奕. 数码世界, 2020(04)
- [5]基于知识嵌入主题模型的多模态社会事件分析[D]. 孙健. 合肥工业大学, 2019(01)
- [6]多媒体内容理解的研究现状与展望[J]. 彭宇新,綦金玮,黄鑫. 计算机研究与发展, 2019(01)
- [7]基于感知特性的多媒体体验质量研究[D]. 闵雄阔. 上海交通大学, 2018(01)
- [8]多媒体数据模型研究进展[A]. 魏晨. Proceedings of 2011 International Conference on Software Engineering and Multimedia Communication (SEMC2011 V2), 2011
- [9]面向共享与交换策略的多领域协同产品设计关键技术研究[D]. 曾鹏飞. 东北大学, 2011(07)
- [10]多媒体数据模型研究进展[A]. 魏晨. Proceedings of 2010 International Conference on Broadcast Technology and Multimedia Communication(Volume 2), 2010