發(fā)布時(shí)間：2018-10-16 18:37

【摘要】：隨著Internet的迅速發(fā)展，網(wǎng)絡(luò)已經(jīng)深入到人們生活的眾多領(lǐng)域，成為了人們不可或缺的通訊工具、信息獲取工具及娛樂工具。Flash Movies作為一種新興的多媒體形式，是Internet中的重要組成元素，由于具有極強(qiáng)的藝術(shù)表現(xiàn)力、制作簡單、交互靈活、文件小、便于網(wǎng)絡(luò)傳播等諸多優(yōu)勢(shì)，在Internet中廣泛應(yīng)用于游戲、動(dòng)畫、MTV、廣告、教學(xué)課件，也作為文檔、PPT、視頻的容器出現(xiàn)，其數(shù)量不斷增長，成為目前十分重要的多媒體網(wǎng)絡(luò)信息資源。Flash Movies資源在教育領(lǐng)域所發(fā)揮的作用也越來越重要，一方面，互聯(lián)網(wǎng)技術(shù)的發(fā)展使得這些Flash Movies資源的發(fā)布與共享不再受時(shí)間、空間的限制，成為我們獲取這些資源的一個(gè)重要途徑；但另一方面，網(wǎng)絡(luò)資源的豐富且動(dòng)態(tài)更新卻又使我們從中尋找需要的Flash Movies資源變得越來越困難。 Flash Movies資源作為教育資源建設(shè)的一個(gè)重要方面成為教育技術(shù)學(xué)的研究領(lǐng)域。面對(duì)網(wǎng)絡(luò)中越來越多的Flash Movies，如何管理才能使人們能夠準(zhǔn)確而方便的找到自己想要的資源，成為一個(gè)引人注意的問題。解決這一問題的行之有效的方法就是對(duì)其進(jìn)行分類，通過分類管理、分類檢索可以極大的提高管理的效率和檢索的效率。因此，本文通過對(duì)Flash Movies內(nèi)容特征的分析和分類算法的研究，旨在建立一個(gè)基于內(nèi)容的Flash Movies分類系統(tǒng)，實(shí)現(xiàn)對(duì)Flash Movies的自動(dòng)分類管理。該分類系統(tǒng)選取了Flash Movies的14個(gè)類別特征項(xiàng)來標(biāo)識(shí)一個(gè)Flash Movies的類型，這些特征項(xiàng)分別是文件大小、變形數(shù)、圖形數(shù)、文本數(shù)、聲音數(shù)、按鈕數(shù)、影片剪輯數(shù)、腳本數(shù)、幀數(shù)、游戲匹配度、動(dòng)畫匹配度、MTV匹配度、課件匹配度和廣告匹配度，其中最后5項(xiàng)為文本特征項(xiàng)。這種選取方法既包含了Flash Movies的內(nèi)容特征，又將文本特征納入到分類體系之中，實(shí)現(xiàn)了兩者的優(yōu)勢(shì)互補(bǔ)。該分類系統(tǒng)核心算法采用了較為成熟的BP神經(jīng)網(wǎng)絡(luò)算法，BP神經(jīng)網(wǎng)絡(luò)是一種按誤差反向傳播算法學(xué)習(xí)的多層前饋網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。BP神經(jīng)網(wǎng)絡(luò)是對(duì)人腦的簡單模仿，但它仍具有兩個(gè)關(guān)鍵特征：第一，人工神經(jīng)網(wǎng)絡(luò)與人腦一樣，都是由若干可計(jì)算單元高度連接構(gòu)成的復(fù)雜網(wǎng)絡(luò)。第二，單元之間的連接和信息處理方式?jīng)Q定了網(wǎng)絡(luò)的功能。BP神經(jīng)網(wǎng)絡(luò)通過樣本的訓(xùn)練，學(xué)習(xí)獲得神經(jīng)元之間連接的各項(xiàng)參數(shù)，主要是各連接權(quán)值和閾值，這就是神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程。最后將要分類的Flash Movies的各特征項(xiàng)的值輸入到經(jīng)過學(xué)習(xí)的BP神經(jīng)網(wǎng)絡(luò)中，經(jīng)過計(jì)算獲得其類別。 本文的研究工作和研究成果主要包括以下幾個(gè)方面： （1）搜索下載Internet上的Flash Movies，建立一個(gè)Flash Movies資源數(shù)據(jù)庫，分析數(shù)據(jù)庫中Flash Movies的類別特征元素及其屬性。 （2）提取Flash Movies關(guān)鍵詞的特征向量，計(jì)算Flash Movies與每一類的相似度，將相似度納入到Flash Movies的類別特征描述之中。 （3）研究設(shè)計(jì)了適合于對(duì)Flash Movies進(jìn)行分類的算法。 （4）研究分析了關(guān)于BP神經(jīng)網(wǎng)絡(luò)的改進(jìn)算法。 （5）在理論研究的基礎(chǔ)上，完成了一個(gè)基于內(nèi)容的Flash Movies分類系統(tǒng)，，并將其應(yīng)用于Flash Movies的資源管理平臺(tái)。
[Abstract]:With the rapid development of Internet, the network has penetrated into many fields of people's life, becoming an indispensable communication tool, information acquisition tools and entertainment tools. As a new kind of multimedia form, Flash Movie is an important composing element in Internet. Because of its strong artistic expression, simple production, flexible interaction, small file, convenient network propagation and so on, it is widely used in games, animation, MTV, advertisement and teaching courseware in Internet. As a document, PPT, video container appears, its number is increasing, becomes the most important multimedia network information resource at present. The role of Flash Movie resources plays a more and more important role in the field of education. On the one hand, the development of Internet technology makes the publishing and sharing of these Flash Movie resources no longer limited by time and space, and becomes an important way for us to get these resources; but on the other hand, The rich and dynamic update of network resources makes it increasingly difficult for us to find the required Flash Movie resources. As an important aspect of the construction of educational resources, Flash Movie resources have become the research leader of educational technology In the face of more and more Flash movies in the network, how to manage can enable people to find their own resources accurately and conveniently, and become a noticeable question The effective way to solve this problem is to classify it. Through the classification, the efficiency and efficiency of management can be improved greatly by classification and retrieval. Therefore, through the research of the analysis and classification algorithm of Flash Movie content features, this paper aims to establish a content-based Flash Movie classification system, which can realize the automatic classification of Flash Movie. The classification system selects 14 category feature items of Flash Movie to identify the type of a Flash Movie, which are file size, number of deformation, number of graphics, number of text, number of sounds, number of buttons, number of movie clips, number of scripts, number of frames, match degree of game, animation match, degree, MTV matching degree, courseware matching degree and advertisement matching degree, wherein the last five items are text features The selection method not only contains the content features of Flash Movie, but also the text features into the classification system, and realizes the advantages of both. The BP neural network is a multi-layer feedforward network based on error backward propagation algorithm, which is the most widely used neural network model. One. BP neural network is a simple imitation of human brain, but it still has two key features: first, artificial neural network is the same as human brain, it is a complex network composed of several computing unit height connections. The connection between the second and second units and the information processing mode determine the work of the network Through training of samples, BP neural network learns the parameters of connection between neurons, which is mainly the value of each connection and the threshold, which is the learning of the neural network. and finally, inputting the values of each feature item of the Flash Moies to be classified into the learned BP neural network, Don't. The research work and research results of this paper mainly include the following: Aspect: (1) Search the Flash Movie on the Internet, set up a Flash Movie resource database, analyze the category feature elements of Flash Movie in the database and (2) extracting feature vectors of the Flash Movie keywords, calculating the similarity between the Flash Movie and each class, and integrating the similarity into the classes of the Flash Movie. Do not characterize. (3) The study is designed to be suitable for Flash Movi Algorithms for classifying es. (4) Study and analysis about The improved algorithm of BP neural network. (5) On the basis of theoretical research, a content-based Flash Movie classification system is completed and applied to Flash.
【學(xué)位授予單位】：山東師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2012
【分類號(hào)】：TP37

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;掌握Flash[J];個(gè)人電腦;2002年05期

2 s22;Flash Loading的設(shè)計(jì)與編碼[J];電腦知識(shí)與技術(shù);2003年03期

3 孫立群,易絢文;用Flash制作交互式的C語言遠(yuǎn)程教育課件[J];現(xiàn)代計(jì)算機(jī);2003年08期

4 驕陽似火;給BIOS請(qǐng)個(gè)“保護(hù)神”——IOSS RD1 BIOS Savior[J];電腦;2004年09期

5 飄零雪;FlashFXP無法續(xù)傳的解決[J];電腦愛好者;2004年10期

6 ;十大最動(dòng)人心扉情感Flash MV[J];網(wǎng)絡(luò)與信息;2005年05期

7 ;彩亮登場——flash開場小動(dòng)畫[J];電腦校園;2005年03期

8 羅煜;學(xué)做Flash交互動(dòng)畫[J];計(jì)算機(jī)周刊;1999年35期

9 公孫小白;精彩的Flash世界(上)[J];電腦愛好者;1999年15期

10 劉開南;Flash5亮點(diǎn)一瞥[J];多媒體世界;2000年11期

相關(guān)會(huì)議論文 前10條

1 侯艷芳;馮紅梅;;基于神經(jīng)網(wǎng)絡(luò)的調(diào)制識(shí)別算法的研究[A];武漢(南方九省)電工理論學(xué)會(huì)第22屆學(xué)術(shù)年會(huì)、河南省電工技術(shù)學(xué)會(huì)年會(huì)論文集[C];2010年

2 沈建榮;楊林泉;陳琳;;神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性判據(jù)與區(qū)域經(jīng)濟(jì)結(jié)構(gòu)調(diào)整[A];系統(tǒng)工程與可持續(xù)發(fā)展戰(zhàn)略——中國系統(tǒng)工程學(xué)會(huì)第十屆年會(huì)論文集[C];1998年

3 石山銘;李富蘭;丁俊麗;;神經(jīng)網(wǎng)絡(luò)的知識(shí)獲取[A];全國青年管理科學(xué)與系統(tǒng)科學(xué)論文集（第1卷）[C];1991年

4 吳清烈;徐南榮;;基于神經(jīng)網(wǎng)絡(luò)的一種多目標(biāo)決策方法[A];復(fù)雜巨系統(tǒng)理論·方法·應(yīng)用——中國系統(tǒng)工程學(xué)會(huì)第八屆學(xué)術(shù)年會(huì)論文集[C];1994年

5 李曉鐘;汪培莊;羅承忠;;神經(jīng)網(wǎng)絡(luò)與模糊邏輯[A];中國系統(tǒng)工程學(xué)會(huì)模糊數(shù)學(xué)與模糊系統(tǒng)委員會(huì)第五屆年會(huì)論文選集[C];1990年

6 房育棟;余英林;;高階自組織映射及其學(xué)習(xí)算法[A];1995年中國控制會(huì)議論文集（上）[C];1995年

7 王曉曄;杜朝輝;呂德忠;劉建峰;;神經(jīng)網(wǎng)絡(luò)模糊控制在溫度控制系統(tǒng)中的應(yīng)用[A];1997中國控制與決策學(xué)術(shù)年會(huì)論文集[C];1997年

8 金龍;吳建生;;基于遺傳算法的神經(jīng)網(wǎng)絡(luò)短期氣候預(yù)測模型(摘要)[A];新世紀(jì)氣象科技創(chuàng)新與大氣科學(xué)發(fā)展——中國氣象學(xué)會(huì)2003年年會(huì)“氣候系統(tǒng)與氣候變化”分會(huì)論文集[C];2003年

9 申偉;張?jiān)��?;基于MATLAB的自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊系統(tǒng)(ANFIS)的應(yīng)用[A];《制造業(yè)自動(dòng)化與網(wǎng)絡(luò)化制造》學(xué)術(shù)交流會(huì)論文集[C];2004年

10 田艷兵;;BP算法和PSO算法在神經(jīng)網(wǎng)絡(luò)中的研究[A];第二十九屆中國控制會(huì)議論文集[C];2010年

相關(guān)重要報(bào)紙文章 前10條

1 遼寧 鳴澗;FlashFXP技巧二則[N];電腦報(bào);2004年

2 江蘇 吳小榮;讓Flash遍地開花[N];中國電腦教育報(bào);2001年

3 天津 王志明;Flash下載辦法多（上）[N];電腦報(bào);2003年

4 天津 王志明;Flash下載辦法多（下）[N];電腦報(bào);2003年

5 武漢 周愛華;郵件檢測下載工具——FlashCheck[N];電腦報(bào);2001年

6 ;在Flash中使用ASP[N];電腦報(bào);2001年

7 葉紫;動(dòng)畫制作的Flash時(shí)代[N];中國電腦教育報(bào);2001年

8 ;筷子上的Flash精靈[N];中國電腦教育報(bào);2002年

9 河北省黃驊市完全小學(xué) 王憲東;Flash Mx 2004中聲音的調(diào)用[N];中國電腦教育報(bào);2004年

10 河北 廉育功;Flash 5的十個(gè)高招[N];電腦報(bào);2001年

相關(guān)博士學(xué)位論文 前10條

1 劉志祥;深部開采高階段尾砂充填體力學(xué)與非線性優(yōu)化設(shè)計(jì)[D];中南大學(xué);2005年

2 戴雪龍;PET探測器神經(jīng)網(wǎng)絡(luò)定位方法研究[D];中國科學(xué)技術(shù)大學(xué);2006年

3 馬戎;智能控制技術(shù)在煉鋼電弧爐中的應(yīng)用研究[D];西北工業(yè)大學(xué);2006年

4 文敦偉;面向多智能體和神經(jīng)網(wǎng)絡(luò)的智能控制研究[D];中南大學(xué);2001年

5 吳大宏;基于遺傳算法與神經(jīng)網(wǎng)絡(luò)的橋梁結(jié)構(gòu)健康監(jiān)測系統(tǒng)研究[D];西南交通大學(xué);2003年

6 杜文斌;基于神經(jīng)網(wǎng)絡(luò)的冠心病證候診斷標(biāo)準(zhǔn)與藥效評(píng)價(jià)模型研究[D];遼寧中醫(yī)學(xué)院;2004年

7 熊雪梅;參數(shù)化模糊遺傳神經(jīng)網(wǎng)絡(luò)及在植物病害預(yù)測的應(yīng)用[D];南京農(nóng)業(yè)大學(xué);2004年

8 李智;電站鍋爐燃燒系統(tǒng)優(yōu)化運(yùn)行與應(yīng)用研究[D];東北大學(xué);2005年

9 王承;基于神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷方法研究[D];電子科技大學(xué);2005年

10 譚陽紅;基于小波和神經(jīng)網(wǎng)絡(luò)的大規(guī)模模擬電路故障診斷研究[D];湖南大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 楊立儒;基于神經(jīng)網(wǎng)絡(luò)的電路故障診斷的研究與實(shí)現(xiàn)[D];解放軍信息工程大學(xué);2010年

2 劉蘭蘭;基于神經(jīng)網(wǎng)絡(luò)和遺傳算法的H型鋼粗軋工藝參數(shù)優(yōu)化研究[D];山東大學(xué);2011年

3 田鵬明;基于神經(jīng)網(wǎng)絡(luò)的振動(dòng)主動(dòng)控制研究[D];太原理工大學(xué);2012年

4 姜宇;發(fā)動(dòng)機(jī)裂解設(shè)備故障診斷技術(shù)的研究[D];吉林大學(xué);2012年

5 羅楠;Flash動(dòng)畫宣傳片《CG畫廊》的設(shè)計(jì)與實(shí)現(xiàn)[D];山東大學(xué);2010年

6 邢遠(yuǎn)凱;基于決策樹和遺傳算法的神經(jīng)網(wǎng)絡(luò)研究及應(yīng)用[D];浙江大學(xué);2010年

7 高寶建;基于神經(jīng)網(wǎng)絡(luò)的月降水預(yù)報(bào)模型在洪澤湖的應(yīng)用研究[D];南京信息工程大學(xué);2012年

8 陳少華;基于Hopfield神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)的研究[D];山東科技大學(xué);2010年

9 來建波;基于神經(jīng)網(wǎng)絡(luò)的路段行程時(shí)間預(yù)測研究[D];云南大學(xué);2011年

10 閆超;基于BP神經(jīng)網(wǎng)絡(luò)的煤礦深埋硐室軟巖流變參數(shù)反演分析[D];安徽理工大學(xué);2011年

本文編號(hào)：2275272