- 高等教育出版社
- 9787040646467
- 1版
- 47260225-9
- 16开
- 理学
- 数学类
- 数据科学与大数据技术
- 本科
内容简介
本书以数据智能技术为核心，深入剖析了其在全球数据爆炸性增长背景下的应用与发展。全书分上、下两册，上册包含第一至五部分，下册包含第六至九部分，内容涵盖自然语言文字、图像、视频、音频、时间序列、时空、社交网络、生物信息学及多模态等9大关键领域数据的分析与处理。全书系统回顾了每个领域中的基础理论、关键技术进展及其实际应用案例，理论与实践紧密结合，条理清晰，并提供丰富的习题和参考文献供读者巩固学习及拓展进阶，无论是专业人士深入研究，还是初学者了解前沿，都极具参考价值。
本书可作为高等学校数据科学专业高年级本科生或研究生教材，也可供从事人工智能、机器学习、图像和信号处理等领域的科技工作者参考。
目录
目录
前辅文
第一部分 自然语言文字数据的分析与处理
第一章 自然语言文字数据的表示
1.1 基于词袋模型的自然语言表示
1.1.1 词袋模型的定义
1.1.2 基于词袋模型的自然语言表示
1.2 基于N元模型的自然语言表示
1.2.1 基于N元模型的语言建模及其混淆度
1.2.2 基于加一操作的平滑方法
1.2.3 基于打折的平滑方法
1.2.4 基于Good-Turing频率估计的平滑方法
1.2.5 基于插值的平滑方法和Jelinek-Mercer平滑方法
1.2.6 基于Katz回退的平滑方法
1.2.7 N元模型用于自然语言表示的局限性
1.3 基于正则文法的自然语言表达
1.3.1 正则文法的定义
1.3.2 基于正则表达式的自然语言表达
1.4 基于上下文无关文法的自然语言表达
1.4.1 上下文无关文法的基本概念
1.4.2 基于上下文无关文法的自然语言生成
1.4.3 乔姆斯基范式与上下文无关文法
1.5 基于带有概率分布的上下文无关文法的自然语言表达
1.5.1 基于带有概率分布的上下文无关文法的定义
1.5.2 基于带有概率分布的上下文无关文法的自然语言表达
1.5.3 基于带有概率分布的上下文无关文法中产生式规则的概率估计
1.6 基于嵌人表达的自然语言表示
1.6.1 基于连续词袋模型的单词嵌人表达方法
1.6.2 基于连续跳跃词元模型的单词嵌入表达方法
1.6.3 基于负采样思想的单词嵌入表达方法
1.6.4 层次化的softmax方法
1.6.5 基于全局向量GloVe的单词嵌入表达方法
1.6.6 对于词组的嵌入表达方法
1.6.7 对于句子的嵌入表达方法
1.7 基于命题逻辑的自然语言表达
1.7.1 命题逻辑的研究内容
1.7.2 基于命题逻辑的自然语言表达
1.7.3 关于命题逻辑真伪性论证的逻辑演算规则
1.8 基于一阶逻辑的自然语言表达
1.8.1 一阶逻辑的谓词与量词
1.8.2 一阶逻辑的主要概念
1.9 基于入代数的自然语言表达
1.9.1 λ代数的基本概念
1.9.2 基于λ代数的自然语言表达
习题一
第二章 自然语言文字处理的典型问题
2.1 自然语言序列的标签识别与生成
2.2 主题提取
2.3 指代消解
2.4 命名实体识别
2.5 机器翻译
2.6 自动文本摘要
2.7 关系抽取
习题二
第三章 自然语言文字处理的主要方法
3.1 标签识别与生成方法
3.1.1 基于Viterbi算法的自然语言序列的标签识别与生成
3.1.2 面向上下文无关文法解析的CYK算法
3.1.3 面向带有概率分布的上下文无关文法解析的Inside-Outside算法
3.1.4 基于神经网络模型的自然语言序列的标签识别与生成
3.2 主题的提取方法
3.2.1 基于隐含语义分析的自然语言主题模型
3.2.2 基于概率隐含语义分析的自然语言主题模型
3.2.3 基于潜在狄利克雷分布的自然语言主题模型
3.3 指代消解方法
3.3.1 描述检测算法
3.3.2 共指消解算法
3.4 命名实体识别方法
3.4.1 基于条件随机场算法的命名实体识别
3.4.2 基于Bi-LSTM-CRF模型的命名实体识别
3.5 机器翻译方法
3.5.1 统计机器翻译
3.5.2 神经机器翻译
3.6 自动文本摘要方法
3.6.1 抽取式摘要方法
3.6.2 生成式摘要方法
3.7 关系抽取方法
3.7.1 基于自助法的半监督关系抽取
3.7.2 基于ReVerb的无监督关系抽取
3.8 自然语言文字处理的发展前沿
习题三
第二部分 图像数据的分析与处理
第四章 图像数据的表示
4.1 位图图像与矢量图像表示
4.2 色彩模型与色彩空间的表示
4.2.1 加性色彩模型与RGB模型
4.2.2 减性色彩模型与CMY模型
4.2.3 CIE XYZ色彩空间
4.3 数字图像的类型
习题四
第五章 图像数据处理的典型问题
5.1 图像分类
5.2 图像检测
5.3 图像语义分割
5.3.1 基于分布的损失函数
5.3.2 基于区域的损失雨数
5.3.3 基于边界的损失函数
5.3.4 基于复合的损失函数
5.4 图像生成
5.5 人脸识别
5.6 图像情感识别
5.7 图像恢复
5.8 图像增强
5.9 图像超分辨率
5.10 图像数据文献综述
习题五
第六章 图像数据处理的主要方法
6.1 图像分类方法
6.1.1 传统的图像分类方法
6.1.2 基于深度学习的图像分类方法
6.1.3 基于CNN的图像分类算法
6.2 图像检测方法
6.2.1 传统的图像目标检测方法
6.2.2 基于深度学习的图像目标检测方法
6.3 图像语义分割方法
6.3.1 传统的图像语义分割方法
6.3.2 基于深度学习的图像语义分割方法
6.4 人脸识别方法
6.4.1 基于几何识别方法
6.4.2 基于神经网络识别方法
6.4.3 基于3D的人脸识别方法
6.5 图像情感识别方法
6.5.1 基于单一深度语义特征的图像情感识别算法
6.5.2 基于深度语义特征的图像情感分类算法
6.6 图像数据的发展前沿
习题六
第三部分 视频数据的分析与处理
第七章 视频数据的表示
7.1 视频数据的基本概念
7.2 视频信息的特点
7.3 视频数据的表示
7.4 视频数据的特点
7.5 视频数据的格式
习题七
第八章 视频数据的典型问题
8.1 视频压缩
8.2 视频分类
8.3 视频目标检测
8.4 视频目标跟踪
8.5 视频分割
习题八
第九章 视频数据处理的主要方法
9.1 视频数据的预处理
9.2 视频压缩方法
9.2.1 帧内压缩、运动JPEG 2000和数字电影
9.2.2 3D变换编码
9.2.3 运动补偿变换编码
9.3 视频分类方法
9.3.1 传统视频分类方法
9.3.2 基于深度学习的视频分类方法
9.4 视频运动目标检测
9.4.1 帧差法
9.4.2 光流法
9.4.3 背景差法
9.4.4 流引导特征融合法
9.5 视频分割与跟踪方法
9.5.1 图像分割
9.5.2 变化检测
9.5.3 运动分割
9.5.4 运动跟踪
9.6 视频数据处理的发展前沿
习题九
第四部分 音频数据的分析与处理
第十章 音频数据的表示
10.1 音频的构成要素
10.2 数字音频基础
10.3 音频数据格式和结构
10.4 音频数据的表示
习题十
第十一章 音频数据处理的典型问题
11.1 音频预处理
11.2 音频压缩
11.3 语音识别
11.4 语音合成
11.5 音频指纹识别
11.6 语音增强
11.7 音乐推荐
习题十一
第十二章 音频数据处理的主要方法
12.1 音频分类方法
12.1.1 音频特征分析
12.1.2 最小距离法
12.1.3 支持向量机
12.2 语音编码
12.2.1 线性预测
12.2.2 合成分析法
12.2.3 感知加权滤波器
12.3 语音合成方法
12.3.1 线性预测合成法
12.3.2 基音同步叠加算法
12.3.3 WaveRNN算法
12.4 语音识别方法
12.4.1 基于隐马尔可夫模型
12.4.2 基于动态时间规整算法
12.5 语音情感识别方法
12.5.1 主成分分析法
12.5.2 神经网络方法
12.5.3 高斯混合模型法
12.6 音频数据处理的发展前沿
习题十二
第五部分 时间序列数据的分析与处理
第十三章 时间序列数据的表示
13.1 时间序列数据的表示
13.2 时间序列的类型
13.3 时间序列的特征
13.4 时间序列的基本知识
13.5 时间序列建模策略
习题十三
第十四章 时间序列数据处理的主要问题
14.1 预测
14.2 分类
14.3 时间序列聚类
14.4 异常检测
14.5 语义感知
习题十四
第十五章 时间序列数据处理的主要方法
15.1 预处理
15.2 常用预测方法
15.2.1 传统方法
15.2.2 机器学习方法
15.2.3 混合模型
15.3 分类方法
15.3.1 基于全系列相似性的分类
15.3.2 基于区间的分类
15.3.3 基于shapelets的分类
15.3.4 基于词典的分类
15.3.5 基于模型的分类
15.3.6 混合方法
15.4 聚类方法
15.4.1 相似性度量方法
15.4.2 基于距离的聚类方法
15.4.3 基于相似性的聚类方法
15.5 异常检测方法
15.5.1 基于传统方法的异常检测
15.5.2 基于机器学习的异常检测
15.6 语义感知方法
15.6.1 模式识别
15.6.2 模糊认知图
15.6.3 早期分类
15.7 时间序列数据处理的发展前沿
习题十五
参考文献
前辅文
第一部分 自然语言文字数据的分析与处理
第一章 自然语言文字数据的表示
1.1 基于词袋模型的自然语言表示
1.1.1 词袋模型的定义
1.1.2 基于词袋模型的自然语言表示
1.2 基于N元模型的自然语言表示
1.2.1 基于N元模型的语言建模及其混淆度
1.2.2 基于加一操作的平滑方法
1.2.3 基于打折的平滑方法
1.2.4 基于Good-Turing频率估计的平滑方法
1.2.5 基于插值的平滑方法和Jelinek-Mercer平滑方法
1.2.6 基于Katz回退的平滑方法
1.2.7 N元模型用于自然语言表示的局限性
1.3 基于正则文法的自然语言表达
1.3.1 正则文法的定义
1.3.2 基于正则表达式的自然语言表达
1.4 基于上下文无关文法的自然语言表达
1.4.1 上下文无关文法的基本概念
1.4.2 基于上下文无关文法的自然语言生成
1.4.3 乔姆斯基范式与上下文无关文法
1.5 基于带有概率分布的上下文无关文法的自然语言表达
1.5.1 基于带有概率分布的上下文无关文法的定义
1.5.2 基于带有概率分布的上下文无关文法的自然语言表达
1.5.3 基于带有概率分布的上下文无关文法中产生式规则的概率估计
1.6 基于嵌人表达的自然语言表示
1.6.1 基于连续词袋模型的单词嵌人表达方法
1.6.2 基于连续跳跃词元模型的单词嵌入表达方法
1.6.3 基于负采样思想的单词嵌入表达方法
1.6.4 层次化的softmax方法
1.6.5 基于全局向量GloVe的单词嵌入表达方法
1.6.6 对于词组的嵌入表达方法
1.6.7 对于句子的嵌入表达方法
1.7 基于命题逻辑的自然语言表达
1.7.1 命题逻辑的研究内容
1.7.2 基于命题逻辑的自然语言表达
1.7.3 关于命题逻辑真伪性论证的逻辑演算规则
1.8 基于一阶逻辑的自然语言表达
1.8.1 一阶逻辑的谓词与量词
1.8.2 一阶逻辑的主要概念
1.9 基于入代数的自然语言表达
1.9.1 λ代数的基本概念
1.9.2 基于λ代数的自然语言表达
习题一
第二章 自然语言文字处理的典型问题
2.1 自然语言序列的标签识别与生成
2.2 主题提取
2.3 指代消解
2.4 命名实体识别
2.5 机器翻译
2.6 自动文本摘要
2.7 关系抽取
习题二
第三章 自然语言文字处理的主要方法
3.1 标签识别与生成方法
3.1.1 基于Viterbi算法的自然语言序列的标签识别与生成
3.1.2 面向上下文无关文法解析的CYK算法
3.1.3 面向带有概率分布的上下文无关文法解析的Inside-Outside算法
3.1.4 基于神经网络模型的自然语言序列的标签识别与生成
3.2 主题的提取方法
3.2.1 基于隐含语义分析的自然语言主题模型
3.2.2 基于概率隐含语义分析的自然语言主题模型
3.2.3 基于潜在狄利克雷分布的自然语言主题模型
3.3 指代消解方法
3.3.1 描述检测算法
3.3.2 共指消解算法
3.4 命名实体识别方法
3.4.1 基于条件随机场算法的命名实体识别
3.4.2 基于Bi-LSTM-CRF模型的命名实体识别
3.5 机器翻译方法
3.5.1 统计机器翻译
3.5.2 神经机器翻译
3.6 自动文本摘要方法
3.6.1 抽取式摘要方法
3.6.2 生成式摘要方法
3.7 关系抽取方法
3.7.1 基于自助法的半监督关系抽取
3.7.2 基于ReVerb的无监督关系抽取
3.8 自然语言文字处理的发展前沿
习题三
第二部分 图像数据的分析与处理
第四章 图像数据的表示
4.1 位图图像与矢量图像表示
4.2 色彩模型与色彩空间的表示
4.2.1 加性色彩模型与RGB模型
4.2.2 减性色彩模型与CMY模型
4.2.3 CIE XYZ色彩空间
4.3 数字图像的类型
习题四
第五章 图像数据处理的典型问题
5.1 图像分类
5.2 图像检测
5.3 图像语义分割
5.3.1 基于分布的损失函数
5.3.2 基于区域的损失雨数
5.3.3 基于边界的损失函数
5.3.4 基于复合的损失函数
5.4 图像生成
5.5 人脸识别
5.6 图像情感识别
5.7 图像恢复
5.8 图像增强
5.9 图像超分辨率
5.10 图像数据文献综述
习题五
第六章 图像数据处理的主要方法
6.1 图像分类方法
6.1.1 传统的图像分类方法
6.1.2 基于深度学习的图像分类方法
6.1.3 基于CNN的图像分类算法
6.2 图像检测方法
6.2.1 传统的图像目标检测方法
6.2.2 基于深度学习的图像目标检测方法
6.3 图像语义分割方法
6.3.1 传统的图像语义分割方法
6.3.2 基于深度学习的图像语义分割方法
6.4 人脸识别方法
6.4.1 基于几何识别方法
6.4.2 基于神经网络识别方法
6.4.3 基于3D的人脸识别方法
6.5 图像情感识别方法
6.5.1 基于单一深度语义特征的图像情感识别算法
6.5.2 基于深度语义特征的图像情感分类算法
6.6 图像数据的发展前沿
习题六
第三部分 视频数据的分析与处理
第七章 视频数据的表示
7.1 视频数据的基本概念
7.2 视频信息的特点
7.3 视频数据的表示
7.4 视频数据的特点
7.5 视频数据的格式
习题七
第八章 视频数据的典型问题
8.1 视频压缩
8.2 视频分类
8.3 视频目标检测
8.4 视频目标跟踪
8.5 视频分割
习题八
第九章 视频数据处理的主要方法
9.1 视频数据的预处理
9.2 视频压缩方法
9.2.1 帧内压缩、运动JPEG 2000和数字电影
9.2.2 3D变换编码
9.2.3 运动补偿变换编码
9.3 视频分类方法
9.3.1 传统视频分类方法
9.3.2 基于深度学习的视频分类方法
9.4 视频运动目标检测
9.4.1 帧差法
9.4.2 光流法
9.4.3 背景差法
9.4.4 流引导特征融合法
9.5 视频分割与跟踪方法
9.5.1 图像分割
9.5.2 变化检测
9.5.3 运动分割
9.5.4 运动跟踪
9.6 视频数据处理的发展前沿
习题九
第四部分 音频数据的分析与处理
第十章 音频数据的表示
10.1 音频的构成要素
10.2 数字音频基础
10.3 音频数据格式和结构
10.4 音频数据的表示
习题十
第十一章 音频数据处理的典型问题
11.1 音频预处理
11.2 音频压缩
11.3 语音识别
11.4 语音合成
11.5 音频指纹识别
11.6 语音增强
11.7 音乐推荐
习题十一
第十二章 音频数据处理的主要方法
12.1 音频分类方法
12.1.1 音频特征分析
12.1.2 最小距离法
12.1.3 支持向量机
12.2 语音编码
12.2.1 线性预测
12.2.2 合成分析法
12.2.3 感知加权滤波器
12.3 语音合成方法
12.3.1 线性预测合成法
12.3.2 基音同步叠加算法
12.3.3 WaveRNN算法
12.4 语音识别方法
12.4.1 基于隐马尔可夫模型
12.4.2 基于动态时间规整算法
12.5 语音情感识别方法
12.5.1 主成分分析法
12.5.2 神经网络方法
12.5.3 高斯混合模型法
12.6 音频数据处理的发展前沿
习题十二
第五部分 时间序列数据的分析与处理
第十三章 时间序列数据的表示
13.1 时间序列数据的表示
13.2 时间序列的类型
13.3 时间序列的特征
13.4 时间序列的基本知识
13.5 时间序列建模策略
习题十三
第十四章 时间序列数据处理的主要问题
14.1 预测
14.2 分类
14.3 时间序列聚类
14.4 异常检测
14.5 语义感知
习题十四
第十五章 时间序列数据处理的主要方法
15.1 预处理
15.2 常用预测方法
15.2.1 传统方法
15.2.2 机器学习方法
15.2.3 混合模型
15.3 分类方法
15.3.1 基于全系列相似性的分类
15.3.2 基于区间的分类
15.3.3 基于shapelets的分类
15.3.4 基于词典的分类
15.3.5 基于模型的分类
15.3.6 混合方法
15.4 聚类方法
15.4.1 相似性度量方法
15.4.2 基于距离的聚类方法
15.4.3 基于相似性的聚类方法
15.5 异常检测方法
15.5.1 基于传统方法的异常检测
15.5.2 基于机器学习的异常检测
15.6 语义感知方法
15.6.1 模式识别
15.6.2 模糊认知图
15.6.3 早期分类
15.7 时间序列数据处理的发展前沿
习题十五
参考文献
前辅文
第一部分 自然语言文字数据的分析与处理
第一章 自然语言文字数据的表示
1.1 基于词袋模型的自然语言表示
1.1.1 词袋模型的定义
1.1.2 基于词袋模型的自然语言表示
1.2 基于N元模型的自然语言表示
1.2.1 基于N元模型的语言建模及其混淆度
1.2.2 基于加一操作的平滑方法
1.2.3 基于打折的平滑方法
1.2.4 基于Good-Turing频率估计的平滑方法
1.2.5 基于插值的平滑方法和Jelinek-Mercer平滑方法
1.2.6 基于Katz回退的平滑方法
1.2.7 N元模型用于自然语言表示的局限性
1.3 基于正则文法的自然语言表达
1.3.1 正则文法的定义
1.3.2 基于正则表达式的自然语言表达
1.4 基于上下文无关文法的自然语言表达
1.4.1 上下文无关文法的基本概念
1.4.2 基于上下文无关文法的自然语言生成
1.4.3 乔姆斯基范式与上下文无关文法
1.5 基于带有概率分布的上下文无关文法的自然语言表达
1.5.1 基于带有概率分布的上下文无关文法的定义
1.5.2 基于带有概率分布的上下文无关文法的自然语言表达
1.5.3 基于带有概率分布的上下文无关文法中产生式规则的概率估计
1.6 基于嵌人表达的自然语言表示
1.6.1 基于连续词袋模型的单词嵌人表达方法
1.6.2 基于连续跳跃词元模型的单词嵌入表达方法
1.6.3 基于负采样思想的单词嵌入表达方法
1.6.4 层次化的softmax方法
1.6.5 基于全局向量GloVe的单词嵌入表达方法
1.6.6 对于词组的嵌入表达方法
1.6.7 对于句子的嵌入表达方法
1.7 基于命题逻辑的自然语言表达
1.7.1 命题逻辑的研究内容
1.7.2 基于命题逻辑的自然语言表达
1.7.3 关于命题逻辑真伪性论证的逻辑演算规则
1.8 基于一阶逻辑的自然语言表达
1.8.1 一阶逻辑的谓词与量词
1.8.2 一阶逻辑的主要概念
1.9 基于入代数的自然语言表达
1.9.1 λ代数的基本概念
1.9.2 基于λ代数的自然语言表达
习题一
第二章 自然语言文字处理的典型问题
2.1 自然语言序列的标签识别与生成
2.2 主题提取
2.3 指代消解
2.4 命名实体识别
2.5 机器翻译
2.6 自动文本摘要
2.7 关系抽取
习题二
第三章 自然语言文字处理的主要方法
3.1 标签识别与生成方法
3.1.1 基于Viterbi算法的自然语言序列的标签识别与生成
3.1.2 面向上下文无关文法解析的CYK算法
3.1.3 面向带有概率分布的上下文无关文法解析的Inside-Outside算法
3.1.4 基于神经网络模型的自然语言序列的标签识别与生成
3.2 主题的提取方法
3.2.1 基于隐含语义分析的自然语言主题模型
3.2.2 基于概率隐含语义分析的自然语言主题模型
3.2.3 基于潜在狄利克雷分布的自然语言主题模型
3.3 指代消解方法
3.3.1 描述检测算法
3.3.2 共指消解算法
3.4 命名实体识别方法
3.4.1 基于条件随机场算法的命名实体识别
3.4.2 基于Bi-LSTM-CRF模型的命名实体识别
3.5 机器翻译方法
3.5.1 统计机器翻译
3.5.2 神经机器翻译
3.6 自动文本摘要方法
3.6.1 抽取式摘要方法
3.6.2 生成式摘要方法
3.7 关系抽取方法
3.7.1 基于自助法的半监督关系抽取
3.7.2 基于ReVerb的无监督关系抽取
3.8 自然语言文字处理的发展前沿
习题三
第二部分 图像数据的分析与处理
第四章 图像数据的表示
4.1 位图图像与矢量图像表示
4.2 色彩模型与色彩空间的表示
4.2.1 加性色彩模型与RGB模型
4.2.2 减性色彩模型与CMY模型
4.2.3 CIE XYZ色彩空间
4.3 数字图像的类型
习题四
第五章 图像数据处理的典型问题
5.1 图像分类
5.2 图像检测
5.3 图像语义分割
5.3.1 基于分布的损失函数
5.3.2 基于区域的损失雨数
5.3.3 基于边界的损失函数
5.3.4 基于复合的损失函数
5.4 图像生成
5.5 人脸识别
5.6 图像情感识别
5.7 图像恢复
5.8 图像增强
5.9 图像超分辨率
5.10 图像数据文献综述
习题五
第六章 图像数据处理的主要方法
6.1 图像分类方法
6.1.1 传统的图像分类方法
6.1.2 基于深度学习的图像分类方法
6.1.3 基于CNN的图像分类算法
6.2 图像检测方法
6.2.1 传统的图像目标检测方法
6.2.2 基于深度学习的图像目标检测方法
6.3 图像语义分割方法
6.3.1 传统的图像语义分割方法
6.3.2 基于深度学习的图像语义分割方法
6.4 人脸识别方法
6.4.1 基于几何识别方法
6.4.2 基于神经网络识别方法
6.4.3 基于3D的人脸识别方法
6.5 图像情感识别方法
6.5.1 基于单一深度语义特征的图像情感识别算法
6.5.2 基于深度语义特征的图像情感分类算法
6.6 图像数据的发展前沿
习题六
第三部分 视频数据的分析与处理
第七章 视频数据的表示
7.1 视频数据的基本概念
7.2 视频信息的特点
7.3 视频数据的表示
7.4 视频数据的特点
7.5 视频数据的格式
习题七
第八章 视频数据的典型问题
8.1 视频压缩
8.2 视频分类
8.3 视频目标检测
8.4 视频目标跟踪
8.5 视频分割
习题八
第九章 视频数据处理的主要方法
9.1 视频数据的预处理
9.2 视频压缩方法
9.2.1 帧内压缩、运动JPEG 2000和数字电影
9.2.2 3D变换编码
9.2.3 运动补偿变换编码
9.3 视频分类方法
9.3.1 传统视频分类方法
9.3.2 基于深度学习的视频分类方法
9.4 视频运动目标检测
9.4.1 帧差法
9.4.2 光流法
9.4.3 背景差法
9.4.4 流引导特征融合法
9.5 视频分割与跟踪方法
9.5.1 图像分割
9.5.2 变化检测
9.5.3 运动分割
9.5.4 运动跟踪
9.6 视频数据处理的发展前沿
习题九
第四部分 音频数据的分析与处理
第十章 音频数据的表示
10.1 音频的构成要素
10.2 数字音频基础
10.3 音频数据格式和结构
10.4 音频数据的表示
习题十
第十一章 音频数据处理的典型问题
11.1 音频预处理
11.2 音频压缩
11.3 语音识别
11.4 语音合成
11.5 音频指纹识别
11.6 语音增强
11.7 音乐推荐
习题十一
第十二章 音频数据处理的主要方法
12.1 音频分类方法
12.1.1 音频特征分析
12.1.2 最小距离法
12.1.3 支持向量机
12.2 语音编码
12.2.1 线性预测
12.2.2 合成分析法
12.2.3 感知加权滤波器
12.3 语音合成方法
12.3.1 线性预测合成法
12.3.2 基音同步叠加算法
12.3.3 WaveRNN算法
12.4 语音识别方法
12.4.1 基于隐马尔可夫模型
12.4.2 基于动态时间规整算法
12.5 语音情感识别方法
12.5.1 主成分分析法
12.5.2 神经网络方法
12.5.3 高斯混合模型法
12.6 音频数据处理的发展前沿
习题十二
第五部分 时间序列数据的分析与处理
第十三章 时间序列数据的表示
13.1 时间序列数据的表示
13.2 时间序列的类型
13.3 时间序列的特征
13.4 时间序列的基本知识
13.5 时间序列建模策略
习题十三
第十四章 时间序列数据处理的主要问题
14.1 预测
14.2 分类
14.3 时间序列聚类
14.4 异常检测
14.5 语义感知
习题十四
第十五章 时间序列数据处理的主要方法
15.1 预处理
15.2 常用预测方法
15.2.1 传统方法
15.2.2 机器学习方法
15.2.3 混合模型
15.3 分类方法
15.3.1 基于全系列相似性的分类
15.3.2 基于区间的分类
15.3.3 基于shapelets的分类
15.3.4 基于词典的分类
15.3.5 基于模型的分类
15.3.6 混合方法
15.4 聚类方法
15.4.1 相似性度量方法
15.4.2 基于距离的聚类方法
15.4.3 基于相似性的聚类方法
15.5 异常检测方法
15.5.1 基于传统方法的异常检测
15.5.2 基于机器学习的异常检测
15.6 语义感知方法
15.6.1 模式识别
15.6.2 模糊认知图
15.6.3 早期分类
15.7 时间序列数据处理的发展前沿
习题十五
参考文献
前辅文
第一部分 自然语言文字数据的分析与处理
第一章 自然语言文字数据的表示
1.1 基于词袋模型的自然语言表示
1.1.1 词袋模型的定义
1.1.2 基于词袋模型的自然语言表示
1.2 基于N元模型的自然语言表示
1.2.1 基于N元模型的语言建模及其混淆度
1.2.2 基于加一操作的平滑方法
1.2.3 基于打折的平滑方法
1.2.4 基于Good-Turing频率估计的平滑方法
1.2.5 基于插值的平滑方法和Jelinek-Mercer平滑方法
1.2.6 基于Katz回退的平滑方法
1.2.7 N元模型用于自然语言表示的局限性
1.3 基于正则文法的自然语言表达
1.3.1 正则文法的定义
1.3.2 基于正则表达式的自然语言表达
1.4 基于上下文无关文法的自然语言表达
1.4.1 上下文无关文法的基本概念
1.4.2 基于上下文无关文法的自然语言生成
1.4.3 乔姆斯基范式与上下文无关文法
1.5 基于带有概率分布的上下文无关文法的自然语言表达
1.5.1 基于带有概率分布的上下文无关文法的定义
1.5.2 基于带有概率分布的上下文无关文法的自然语言表达
1.5.3 基于带有概率分布的上下文无关文法中产生式规则的概率估计
1.6 基于嵌人表达的自然语言表示
1.6.1 基于连续词袋模型的单词嵌人表达方法
1.6.2 基于连续跳跃词元模型的单词嵌入表达方法
1.6.3 基于负采样思想的单词嵌入表达方法
1.6.4 层次化的softmax方法
1.6.5 基于全局向量GloVe的单词嵌入表达方法
1.6.6 对于词组的嵌入表达方法
1.6.7 对于句子的嵌入表达方法
1.7 基于命题逻辑的自然语言表达
1.7.1 命题逻辑的研究内容
1.7.2 基于命题逻辑的自然语言表达
1.7.3 关于命题逻辑真伪性论证的逻辑演算规则
1.8 基于一阶逻辑的自然语言表达
1.8.1 一阶逻辑的谓词与量词
1.8.2 一阶逻辑的主要概念
1.9 基于入代数的自然语言表达
1.9.1 λ代数的基本概念
1.9.2 基于λ代数的自然语言表达
习题一
第二章 自然语言文字处理的典型问题
2.1 自然语言序列的标签识别与生成
2.2 主题提取
2.3 指代消解
2.4 命名实体识别
2.5 机器翻译
2.6 自动文本摘要
2.7 关系抽取
习题二
第三章 自然语言文字处理的主要方法
3.1 标签识别与生成方法
3.1.1 基于Viterbi算法的自然语言序列的标签识别与生成
3.1.2 面向上下文无关文法解析的CYK算法
3.1.3 面向带有概率分布的上下文无关文法解析的Inside-Outside算法
3.1.4 基于神经网络模型的自然语言序列的标签识别与生成
3.2 主题的提取方法
3.2.1 基于隐含语义分析的自然语言主题模型
3.2.2 基于概率隐含语义分析的自然语言主题模型
3.2.3 基于潜在狄利克雷分布的自然语言主题模型
3.3 指代消解方法
3.3.1 描述检测算法
3.3.2 共指消解算法
3.4 命名实体识别方法
3.4.1 基于条件随机场算法的命名实体识别
3.4.2 基于Bi-LSTM-CRF模型的命名实体识别
3.5 机器翻译方法
3.5.1 统计机器翻译
3.5.2 神经机器翻译
3.6 自动文本摘要方法
3.6.1 抽取式摘要方法
3.6.2 生成式摘要方法
3.7 关系抽取方法
3.7.1 基于自助法的半监督关系抽取
3.7.2 基于ReVerb的无监督关系抽取
3.8 自然语言文字处理的发展前沿
习题三
第二部分 图像数据的分析与处理
第四章 图像数据的表示
4.1 位图图像与矢量图像表示
4.2 色彩模型与色彩空间的表示
4.2.1 加性色彩模型与RGB模型
4.2.2 减性色彩模型与CMY模型
4.2.3 CIE XYZ色彩空间
4.3 数字图像的类型
习题四
第五章 图像数据处理的典型问题
5.1 图像分类
5.2 图像检测
5.3 图像语义分割
5.3.1 基于分布的损失函数
5.3.2 基于区域的损失雨数
5.3.3 基于边界的损失函数
5.3.4 基于复合的损失函数
5.4 图像生成
5.5 人脸识别
5.6 图像情感识别
5.7 图像恢复
5.8 图像增强
5.9 图像超分辨率
5.10 图像数据文献综述
习题五
第六章 图像数据处理的主要方法
6.1 图像分类方法
6.1.1 传统的图像分类方法
6.1.2 基于深度学习的图像分类方法
6.1.3 基于CNN的图像分类算法
6.2 图像检测方法
6.2.1 传统的图像目标检测方法
6.2.2 基于深度学习的图像目标检测方法
6.3 图像语义分割方法
6.3.1 传统的图像语义分割方法
6.3.2 基于深度学习的图像语义分割方法
6.4 人脸识别方法
6.4.1 基于几何识别方法
6.4.2 基于神经网络识别方法
6.4.3 基于3D的人脸识别方法
6.5 图像情感识别方法
6.5.1 基于单一深度语义特征的图像情感识别算法
6.5.2 基于深度语义特征的图像情感分类算法
6.6 图像数据的发展前沿
习题六
第三部分 视频数据的分析与处理
第七章 视频数据的表示
7.1 视频数据的基本概念
7.2 视频信息的特点
7.3 视频数据的表示
7.4 视频数据的特点
7.5 视频数据的格式
习题七
第八章 视频数据的典型问题
8.1 视频压缩
8.2 视频分类
8.3 视频目标检测
8.4 视频目标跟踪
8.5 视频分割
习题八
第九章 视频数据处理的主要方法
9.1 视频数据的预处理
9.2 视频压缩方法
9.2.1 帧内压缩、运动JPEG 2000和数字电影
9.2.2 3D变换编码
9.2.3 运动补偿变换编码
9.3 视频分类方法
9.3.1 传统视频分类方法
9.3.2 基于深度学习的视频分类方法
9.4 视频运动目标检测
9.4.1 帧差法
9.4.2 光流法
9.4.3 背景差法
9.4.4 流引导特征融合法
9.5 视频分割与跟踪方法
9.5.1 图像分割
9.5.2 变化检测
9.5.3 运动分割
9.5.4 运动跟踪
9.6 视频数据处理的发展前沿
习题九
第四部分 音频数据的分析与处理
第十章 音频数据的表示
10.1 音频的构成要素
10.2 数字音频基础
10.3 音频数据格式和结构
10.4 音频数据的表示
习题十
第十一章 音频数据处理的典型问题
11.1 音频预处理
11.2 音频压缩
11.3 语音识别
11.4 语音合成
11.5 音频指纹识别
11.6 语音增强
11.7 音乐推荐
习题十一
第十二章 音频数据处理的主要方法
12.1 音频分类方法
12.1.1 音频特征分析
12.1.2 最小距离法
12.1.3 支持向量机
12.2 语音编码
12.2.1 线性预测
12.2.2 合成分析法
12.2.3 感知加权滤波器
12.3 语音合成方法
12.3.1 线性预测合成法
12.3.2 基音同步叠加算法
12.3.3 WaveRNN算法
12.4 语音识别方法
12.4.1 基于隐马尔可夫模型
12.4.2 基于动态时间规整算法
12.5 语音情感识别方法
12.5.1 主成分分析法
12.5.2 神经网络方法
12.5.3 高斯混合模型法
12.6 音频数据处理的发展前沿
习题十二
第五部分 时间序列数据的分析与处理
第十三章 时间序列数据的表示
13.1 时间序列数据的表示
13.2 时间序列的类型
13.3 时间序列的特征
13.4 时间序列的基本知识
13.5 时间序列建模策略
习题十三
第十四章 时间序列数据处理的主要问题
14.1 预测
14.2 分类
14.3 时间序列聚类
14.4 异常检测
14.5 语义感知
习题十四
第十五章 时间序列数据处理的主要方法
15.1 预处理
15.2 常用预测方法
15.2.1 传统方法
15.2.2 机器学习方法
15.2.3 混合模型
15.3 分类方法
15.3.1 基于全系列相似性的分类
15.3.2 基于区间的分类
15.3.3 基于shapelets的分类
15.3.4 基于词典的分类
15.3.5 基于模型的分类
15.3.6 混合方法
15.4 聚类方法
15.4.1 相似性度量方法
15.4.2 基于距离的聚类方法
15.4.3 基于相似性的聚类方法
15.5 异常检测方法
15.5.1 基于传统方法的异常检测
15.5.2 基于机器学习的异常检测
15.6 语义感知方法
15.6.1 模式识别
15.6.2 模糊认知图
15.6.3 早期分类
15.7 时间序列数据处理的发展前沿
习题十五
参考文献
