声明
摘要
表目录
图目录
算法索引
第1章 绪论
1.1 研究背景及意义
1.2 研究现状
1.3 研究内容
1.4 组织结构
第2章 弹幕特性分析与量化建模
2.1 引言
2.2 数据介绍及分析
2.2.1.弹幕描述和数据介绍
2.2.2.数据量分布
2.2.3.时序分布
2.3 羊群效应量化模型
2.3.1.羊群效应模型
2.3.2.实验分析
2.4 多峰检测模型
2.4.1.检测算法
2.4.2.实验分析
2.4.3.关联分析
2.5 关键弹幕识别模型
2.5.1.识别关键弹幕的三要素
2.5.2.识别模型
2.5.3.实验分析
2.6 弹幕增长趋势模型
2.6.1.基于视频的增长趋势模型
2.6.2.基于视频片段的增长趋势模型
2.7 本章小结
第3章 多因子融合的视频流行度概率预测模型
3.1 引言
3.2 相关工作
3.3 数据介绍及分析
3.3.1.数据收集
3.3.2.数据量分布
3.4 多因子融合预测模型
3.4.1.多维度动态羊群效应
3.4.2.预测模型
3.4.3.参数学习
3.5 实验分析
3.5.1.对比方法
3.5.2.预测准确性分析
3.5.3.视频特征重要性分析
3.5.4.羊群效应分析
3.6 本章小结
第4章 针对大规模图像分类的深度混合模型
4.1 引言
4.2 相关工作
4.3 深度融合框架
4.3.1.任务自适应分配
4.3.2.基础神经网络学习
4.3.3.融合门网络
4.4 实验分析
4.4.1.数据集
4.4.2.对比方法
4.4.3.整体评估
4.4.4 AlexnetExt vs.DeepME
4.4.5.难任务vs.简单任务
4.5 总结
第5章 总结与展望
5.1 工作总结
5.2 未来展望
参考文献
致谢
在读期间发表的学术论文与取得的研究成果