基于Web的多媒体数据挖掘方法研讨.pdfVIP

基于Web的多媒体数据挖掘方法研究 吴静刘戌峰 中南财经政法大学经济信息与管理系，武汉，430060 摘要基于Web的数据挖掘是当前热门的方向之一，本文提出了一个在Web环境下多媒体数 据挖掘系统的一般结构，介绍了多媒体数据挖掘的流程。重点分析了几种挖掘方法(分类、聚类和 相关分析)在多媒体挖掘中的应用，并且讨论了多媒体数据挖掘的立方体多维挖掘机制和关联规 则挖掘机制。 关键词Web，多媒体数据，多媒体数据挖掘 1 引言 随着网上信息资源的急剧增加，用户对使用自动化工具来查找所期望的信息资源的要求 越来越迫切。网络信息资源的类型众多，不仅涉及到新闻、广告、教育、电子商务等众多服务信 息，丰富、动态的超文本信息，还有大量的声音、图像、视频以及动画等多媒体信息。由于网络 电子出版物、数字图书馆等的不断增加，网络多媒体数据越来越快，对网络多媒体数据的挖掘 分析已经受到越来越多人的关注。对文本的Web数据挖掘已经不能满足人们个性化服务的 需要，所以对基于Web的多媒体数据挖掘就势在必行了。 2多媒体数据挖掘的系统结构 多媒体数据挖掘系统主要由3部分组成：多媒体数据库(MultimediaDatabase，简写为 MD)，多媒体数据挖掘引擎(MultimediaMining a Interface，简称MMD)。多媒体数据挖掘过程图略。 Mining (1)多媒体数据特征的提取 多媒体特征的提取是进行知识挖掘的基本前提。多媒体数据的查询和挖掘需要进行特征 提取并分开放在特征数据库中。在检索过程中，检索子系统使用的是特征数据而不是数据库 项目本身。因此，特征的提取质量是决定检索的有效性。如果某个特征没有从数据项目中提 取出来，那么相应的查询就不可能检索到该数据项目。 一般来说，多媒体包括三个层次的特征，即：元数据特征，文字注释特征和内容特征。而内 容特征是最主要也最具代表性的特征，通过内容对对象进行搜索和检索主要依赖于对象内容 的表示法，即选择的特征表示及使用的相似度标准。对于图像数据，主要提取纹理、颜色、形状 和空间、运动等特征，对于音频数据，主要提取声强、频率、谐波结构、音调、音色、音量等特征。 所需要的多媒体特征是基于希望的查询类型而提取的，并且通常是不完备的。特征由一组向 量集表示，每个视觉特征具有相应的向量，如颜色、方向、颜色布局和边界布局等向量。 32 (2)多媒体数据的索引 特征被提取出来之后，需要用一种索引结构去组织，以支持基于特征的相似性检索。多媒 体特征数据库要求多维索引结构，必须具备伸缩性强，能达翻很高的维数，以支持不同角度的 多媒体数据特征，而且还要能够支持任意相似性距离的查询，因此作为多媒体的索引仅引用一 两个特征是不够的，应该选择多个适应不同环境的特征集和利用新的特征表示方法。 (3)多媒体数据库的建立 多媒体数据库包括了媒体库、特征库和知识库。媒体库包含多媒体数据，如图像、视频、音 频、文本；特征库包含用户输入的客观特征和预处理自动提取的内容特征；知识库包含领域知 识和通用知识，其中的知识表达可以更换，以适应不同领域的应用要求。 (4)多媒体数据的挖掘过程 多媒体数据的挖掘过程实际上是对获取的相关数据进行挖掘，从而发现有用的隐含知识。 多媒体数据挖掘工作主要分为如下几个阶段： ①数据准备：在完成数据集成和特征库建立以后。将用户提出的挖掘要求送人挖掘引擎， 用相似检索技术，从特征库抽取与用户要求相关的数据；接着用与请求相关的特征建立特征立 方体。 ②媒体数据知识挖掘：根据用户要求，对多媒体特征库实施切片、切块、下钻、上旋等处理 技术和数据挖掘方法，发现媒体特征问的关系、基于媒体特征的图像和视频的分类。可实施交 互式或自动的知识挖掘，从而发现用户感兴趣的隐含知识。 ③知识表示与解释：将结果以图形界面呈现给用户，并加以解释和说明。若用户不满意， 则从新执行上述操作，用户也可以通过挖掘出的数据再进行相关数据的检索。用户请求与挖 掘结果表示用户请求方式，用户通过一个知识发现请求，启动一次多媒体数据挖掘过程。 ④挖掘结果表示方法：挖掘的知识必须是以可理解的方式呈现给用户，不同的知识用不 同规则的表示方式。 (5)多媒体数据挖掘的方法 对多媒体数据库的知识挖掘包括很多方面，主要的数据挖掘方法有分类、