基于统计学习的人工智能在数字游戏和数字娱乐上的应用

摘要

随着计算机技术,网络技术,多媒体技术的迅猛发展以及人们生活质量的提高,数字游戏和数字娱乐已经成为当今计算机技术的一大热点,并已形成了日益巨大的产业.而数字游戏和数字娱乐中的人工智能研究则相对较弱.该文针对人工智能尤其是基于统计学习的人工智能在数字游戏和数字娱乐中的应用,做了一些较为深入的研究,提出了一些有实际意义的新方法和新思路.在纵览了人工智能在数字游戏和数字娱乐中的发展变革,并列举了一些与目前或将来的游戏关系密切的主流人工智能,讨论了游戏设计与人工智能的关系之后,提出了游戏中的人工智能是语境相关的观点,特别指出了机器学习的方法有其较为特殊和重要的地位.传统统计学研究的是样本数目趋于无穷大时的渐近理论,与传统统计学相比,支持向量机是专门在小样本情况下的一个很强大的机器学习算法.使用支持向量机方法可以同时减少经验风险和置信范围.该文提出了可用支持向量机来解决数字游戏和娱乐中的一些智能问题.电脑围棋则是当今人工智能领域的一大难题,我们藉着分析人类下棋的思考模式来说明了一般电脑围棋程序的制作方法.我们列举了一些著名的围棋程序,讨论了他们的特点和不足.提出了基于统计学习的方法的电脑围棋程序.最后的实验结果表明,用这种基于统计学习的方法来解决电脑围棋问题是非常合理的,更重要的是它提供了一种重要的思路.多媒体内容的自动识别是数字娱乐中非常重要的一门技术.我们实现了一个能够实时自动识别带有爆炸内容视频片断的系统.该文提出了一个在实时环境下使用基于听觉和视觉的分层模型对MPEG多媒体数据流中的

目录

摘要

Abstract

第一章绪论

1.1引言

1.2数字游戏和娱乐发展现状

1.3人工智能发展现状

1.4本文的研究成果和意义

1.5本文的组织结构

第二章数字游戏中的人工智能

2.1智能游戏的变革

2.2智能的幻觉

2.3解决正确的问题

2.4小结

第三章支持向量机

3.1介绍

3.2经验风险最小化

3.2.1期望风险与经验风险

3.2.2 VC维数

3.2.3风险边界

3.3结构风险最小化

3.4构造支持向量机

3.4.1线性支持向量机

3.4.2线性不可分支持向量机

3.4.3非线性支持向量机

3.5小结

第四章基于统计学习的围棋人机对弈系统

4.1围棋游戏简介

4.1.1起源

4.1.1基本规则及棋力计算方式

4.2围棋人机对弈的基本原理

4.3电脑围棋的难点和研究现状

4.3.1电脑围棋的难点

4.3.2各电脑围棋程序概况

4.4基于统计学习的围棋人机对弈系统

4.4.1表示

4.4.2共同命运图

4.4.3提取着点特征

4.4.4实验建立与结果

4.5小结

第五章基于SVM的多媒体内容自动识别系统

5.1多媒体内容自动识别的背景

5.2音频特征提取

5.2.1压缩域音频短时帧特征

5.2.2音频例子的持续语义特征

5.3分层音频爆炸场景识别模板

5.3.1引入支持向量机

5.3.2分层精细支持向量机识别模型

5.3.3分层精细支持向量机分析

5.4视频特征突变检测

5.4.1利用DC图像得到颜色直方图

5.4.2视频特征剧烈变化检测

5.5实验建立与数据对比

5.6小结

参考文献

致谢

附录