导读:本文包含了视频关联规则挖掘论文开题报告文献综述及选题提纲参考文献，主要关键词:视频动作,场景检测分类,时序关联,关联规则挖掘
视频关联规则挖掘论文文献综述
陈晨[1]（2018）在《基于动作语义关联规则挖掘的视频分类研究》一文中研究指出随着社会计算机化和强大的数据收集和存储工具的快速发展,数据实现了爆炸性增长。视频数据作为记录人类社会活动的最重要的载体,每天都会产生PB级的视频数据。在视频检索、视频点播、智能监控等领域中,对视频信息的人工处理方式,已经不能满足人们对海量视频查找所需信息的需求,而包含着丰富语义的视频检索、检测是人们获取视频信息的重要手段,为了让人们能在短时间内高效获取视频中所感兴趣的内容信息,同时能为视频的使用者提供相应的辅助性决策,基于视频内容的数据挖掘应运而生。而视频数据是非结构化数据,与其他数据相比,视频中的语义鸿沟又增加了视频挖掘和检索的复杂性。因此,对于视频的语义的关联规则挖掘方法研究受到了研究者的重视。本文在视频语义关联规则挖掘的相关技术研究的基础上,研究了基于基本动作概念的关联规则挖掘算法,并研究将之用于相应复杂视频场景或事件的基本概念关联关系挖掘,同时将其关联规则作为一种复杂视频场景或事件的检测分类准则,实现复杂视频场景或事件的检测分类。本文主要的研究内容如下:(1)针对复杂视频场景或事件的快速检测分类问题,提出一种基于基本动作语义概念关联的视频复杂动作场景检测分类方法。该方法对相应的视频场景中的所有动作语义概念采用apriori算法进行关联规则挖掘,将挖掘得到的动作语义概念的关联规则作为视频复杂动作场景检测分类依据,对测试视频考虑符合相应场景类别的关联规则情形进行视频复杂动作场景的检测分类。实验结果表明,所提出的方法可以有效地挖掘出视频中动作之间的关联关系,并快速有效地实现视频复杂动作场景概念的检测分类,提高视频复杂动作场景的检测分类准确率。(2)传针对统的挖掘算法无法考虑到视频动作语义概念随时间序列出现的情况,会影响更细致的语义概念相关关系的分析问题,提出基于时序加权的视频动作语义关联规则挖掘算法。该算法采用视频的时序窗口对视频动作语义的关联规则挖掘进行挖掘,引入视频动作语义概念规则在时序窗口中的权重因子,修正规则的支持度和置信度,形成能反映时序的视频基本动作语义概念挖掘算法。通过研究设计基于时序加权的动作语义概念关联规则的视频类别分类准则,实现视频复杂动作场景的检测分类。实验表明,基于时序加权的视频动作语义关联规则挖掘能获得更合理的关联关系,并能有效提升视频复杂动作场景的检测分类准确率。(3)使用所提出的方法,结合面向对象的设计思想,运用C#和Matlab混合编程技术,设开发基于视频动作语义关联规则的视频检测分类原型系统。该系统包含叁个模块:视频数据预处理、时序关联规则挖掘和视频场景检测,系统运行表明所提出的方法具有可用性。(本文来源于《江苏大学》期刊2018-05-01）
闫东明,陈占芳,姜晓明[2]（2018）在《关联规则挖掘在游戏视频销售中的研究与应用》一文中研究指出数据挖掘是一项热门技术,该技术融合了数据库、统计学等领域知识,关联规则的挖掘则能找出商品销售中商品之间的联系。本文针对Apriori算法,及其改进算法FP-Growth进行了研究,对比了Apriori算法与FPGrowth算法的效率,得出FP-Growth算法由于只需要对数据进行一次扫描即可生成相应的数据集,使其生成数据集的整体效率要高于Apriori算法。(本文来源于《软件工程》期刊2018年03期）
柯佳,詹永照,陈潇君,汪满容[3]（2013）在《基于扩展格框架标注的视频事件多维关联规则挖掘方法》一文中研究指出针对视频复杂运动事件进行了分析,对用于自然语言处理的格语法理论进行了扩展,增加时间格结构,并采用扩展后的格框架对复杂事件进行了标注,并将数据存储在数据立方体中,最后采用MDFP-growth方法对多维概念格进行关联规则的挖掘。在实验部分,对比了扩展后的格框架与扩展前原方法对复杂事件标注的结果,并比较扩展了时间格后的四维数据〈PRED,Ag,T,Loc〉和扩展前叁维数据〈PRED,Ag,Loc〉挖掘其关联规则中系统运行时间,产生规则数对比结果及视频检测的准确率和召回率对比。实验证明,提出的方法能更加准确地标注出复杂事件,并具有更高的处理效率。(本文来源于《计算机应用研究》期刊2013年10期）
李国辉,付畅俭,徐新文,冷智花[4]（2008）在《NBA视频中关联规则挖掘》一文中研究指出视频中存在周期性或半周期性的频繁结构模式,本文针对体育视频提出了一个关联规则挖掘方法,首先对视频进行镜头分割,然后进行特征提取并把视频转化为符号序列,再对Apriori算法进行改进,挖掘视频符号序列中的关联规则,NBA视频实验结果表明视频关联规则的发现有肋于探索视频结构语义。(本文来源于《第四届和谐人机环境联合学术会议论文集》期刊2008-10-01）
视频关联规则挖掘论文开题报告
（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：
数据挖掘是一项热门技术,该技术融合了数据库、统计学等领域知识,关联规则的挖掘则能找出商品销售中商品之间的联系。本文针对Apriori算法,及其改进算法FP-Growth进行了研究,对比了Apriori算法与FPGrowth算法的效率,得出FP-Growth算法由于只需要对数据进行一次扫描即可生成相应的数据集,使其生成数据集的整体效率要高于Apriori算法。
（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。
视频关联规则挖掘论文参考文献
[1].陈晨.基于动作语义关联规则挖掘的视频分类研究[D].江苏大学.2018
[2].闫东明,陈占芳,姜晓明.关联规则挖掘在游戏视频销售中的研究与应用[J].软件工程.2018
[3].柯佳,詹永照,陈潇君,汪满容.基于扩展格框架标注的视频事件多维关联规则挖掘方法[J].计算机应用研究.2013
[4].李国辉,付畅俭,徐新文,冷智花.NBA视频中关联规则挖掘[C].第四届和谐人机环境联合学术会议论文集.2008