多媒体数据挖掘 -2.docVIP

基于多媒体的数据挖掘 【摘要】：多媒体挖掘是数据挖掘的一个新兴且富有挑战性的子领域。本文介绍了多媒体数据挖掘的特性，一种适合多媒体挖掘的系统模型,阐述了几种多媒体挖掘方法以及讨论了多媒体数据挖掘在知识服务中的应用。 【关键词】：数据挖掘，多媒体挖掘，挖掘方法，服务应用 目前，，，，，一个典型的数据挖掘系统的体系结构如下其中数据库、数据仓库或者是其他一些信息存储媒介为数据挖掘的工作对象；服务器主要是响应数据挖掘引擎的请求，提取相应的数据；领域知识库主要用来指导挖掘的过程，以及用来评价挖掘出来的候选模式；数据挖掘引擎是整个系统的核心部分，可以由以下模块组成：分类模块、关联规则模块、聚类分析模块、时序模块和异常分析模块等；模式评价模块主要是根据一定的度量标准来与数据挖掘模块交互，以使得数据挖掘向着我们感兴趣的方向进行，往往越是高效的数据挖掘系统这种交互影响的程度越高；图形用户界面主要是为方便用户与数据挖掘系统的交互由用户提出挖掘任务、指定重要的挖掘参数以及由当前返回的结果指导进行更进一步的挖掘工作。CD- ROM 和因特网的流行和普及，，，，，，，，MMMiner(Mult iMediaMiner，)中，，，，，，2、多媒体数据挖掘的系统模型 多媒体挖掘需要一个切实可行 的系统框架模型。 它的一般系统结构模型如图： 3、多媒体数据挖掘的方法 3．1多媒体数据的相似性搜索 对于多媒体数据相似性搜索，主要考虑两种多媒体索引和检索系统：（1）基于描述的检索系统，它基于图像描述（如关键词、标题、尺寸和创建时间等）建立索引和进行对象检索：(2)基于内容的检索系统，它支持基于图像内容的检索，如颜色直方图、纹理、模式、图像拓扑、对象的形状和它们在图像中的布局和位置。基于描述的检索若人工完成是很费力的。若自动完成，则质量较差。例如，关键词到图像的赋值可能是棘手和武断的任务。最近开发的基于web的图像聚类和分类方法提高了基于描述的web图像检索的质量，因为环绕图像的文本信息和web链接信息可以用于提取合适的描述，并将描述相似主题的图像聚合在一起。基于内容的检索使用视觉特征索引图像，并促进基于特征相似性的对象检索，这在很多应用中都是非常期望的。[3] 3．2多媒体数据的多维分析 为便于大型多媒体数据库的多维分析，可以用类似于从关系数据构造传统数据立方体的方法，设计和构造多媒体数据立方体。多媒体数据立方体可包含针对多媒体信息的维和度量，如颜色、纹理和形状。如图是一个简单的图像数据立方体的模型： 多媒体数据立方体是一种对多媒体数据进行多维分析的有趣模型, 通过适当的一些操作: 上卷、下钻、切片和切块、转轴(旋转)可以进行强有力的分析。 多媒体数据立方体的建立有助于基于视觉内容的多媒体数据的多维分析，和多种知识的挖掘，包括汇总、比较、分类、关联和聚类。 3．3多媒体数据的分类和预测分析 分类和预测建模已经用于挖掘多媒体数据，尤其在科学研究中，如天文学、地震学和地理科学的研究。 数据分类可通过以下两步来实现：（1）建立描述预先定义的数据类或概念集的分类器： ，，，：，，，， 所谓多媒体文本数据挖掘，，。。 ，。。，， ，。，。，，，Stemming 处理，，。，，，。(ST CS)中，我们在分析了最大匹配法的特点后，。，，。，，。 图像挖掘是多媒体挖掘的一个分支，。。。。。(视频帧)中抽取能代表、区分该图像的结构化内容的特征。。。。 。。。。。。。。多媒体数据挖掘对医学信息适应性。多媒体技术的应用便于医学信息的储存多媒体技术是当今信息技术领域发展最快、最活跃的技术，是新一代电子技术发展和竞争的焦点。利用现代数据挖掘技术对医学信息进行组织、开发、传递和评价以及导航，可以最大限度满足用户的医学信息资源需求和服务需求。多媒体医学信息数据库系统为医学教育、咨询提供了方便的技术手段，也为从事临床医学研究的人员提供了高效的数据处理工具。　目前，高校医学资源库的建立已初具规模，拥有多种媒体、内容丰富的数字化信息资源。这些信息具有模式的多态性(纯数据、图像、信号、文字等)、不完整性(疾病信息的客观不完整和描述疾病的丰观不完整)、较强时间性、复杂性和冗余性。常用的数据库及统计分析方法已经远不能满足现实的要求，因此。必须使用多媒体数据库对高校医学信息资源进行整理和收集。多媒体数据挖掘在医学图书馆服务中的应用·医学资料的数据类型多种多样，大致有下列几种：文本，包括病员的个人资料，如姓名、性别，住址等；长文本，包括病史详述、医生的诊断报告等；静态图像，包括各类医学图片，如CT、x光片、等；运动图像，包括B超或血管造影等得到的视频图像；声音，包括电子听诊器侦听到的声音和医生的口头诊断结果等音频数据。医学信息的特点要求多媒体挖掘技术在基础医学领域、疾病的临床诊断和治疗