本文選題：互相關(guān)特征選擇方法　切入點(diǎn)：CFS-Spearman　出處：《東北電力大學(xué)》2016年碩士論文　論文類型：學(xué)位論文

【摘要】：近年來(lái),隨著信息技術(shù)的迅猛發(fā)展,在人們的日常生活中各種各樣的視頻信息隨處可見(jiàn),目前的電影預(yù)告片、廣告等視頻經(jīng)常在一些在線社交網(wǎng)絡(luò)(Online Social Networks,OSN)中預(yù)先投放。在視頻的設(shè)計(jì)和生產(chǎn)過(guò)程中,怎樣設(shè)計(jì)視頻更能夠吸引觀眾的注意,對(duì)觀眾的情緒產(chǎn)生正面的影響,從而提高此類視頻的觀眾口碑和銷售業(yè)績(jī),產(chǎn)生經(jīng)濟(jì)效益,這是相關(guān)文化企業(yè)、視頻指導(dǎo)者、編輯者非常關(guān)心的問(wèn)題。為探究商業(yè)視頻底層視覺(jué)特征對(duì)其受歡迎程度的影響情況,需要對(duì)視頻底層特征進(jìn)行提取,在獲取原始視頻數(shù)據(jù)及其觀眾評(píng)價(jià)之后,采用特征選擇方法提取對(duì)評(píng)價(jià)影響較大的特征。本文針對(duì)目前廣泛應(yīng)用的互相關(guān)特征選擇(Correlation-Based Feature Selection,CFS)方法進(jìn)行改進(jìn),提出了CFS-Spearman特征選擇算法,采用Spearman秩相關(guān)系數(shù)與CFS方法結(jié)合進(jìn)行特征選擇。選取UCI機(jī)器學(xué)習(xí)數(shù)據(jù)庫(kù)中的3組數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù)源,將本文特征選擇方法與傳統(tǒng)的CFS方法及最小冗余最大相關(guān)(minimum redundancy and maximum relevance,mRMR)方法進(jìn)行比較,通過(guò)KNN、SVM分類器驗(yàn)證各候選集的優(yōu)劣,證明了文中方法的效果。最終將本文的方法應(yīng)用于商業(yè)視頻底層特征選擇,選出了對(duì)視頻受歡迎程度影響最大的特征子集。再用KNN、SVM方法對(duì)特征進(jìn)行分類及驗(yàn)證性實(shí)驗(yàn),結(jié)果證明選出的運(yùn)動(dòng)方差、亮度均值、飽和度均值三個(gè)視頻底層特征會(huì)對(duì)觀眾的評(píng)價(jià)造成一定的影響,至此預(yù)測(cè)模型已建成。通過(guò)ROC曲線驗(yàn)證了CFS-Spearman方法與SVM結(jié)合優(yōu)于CFS-Spearman方法與KNN的結(jié)合,從實(shí)驗(yàn)結(jié)果看出CFS-Spearman方法與SVM結(jié)合更適合此方面的研究,這一研究成果為以后更進(jìn)一步研究奠定了基礎(chǔ)。
[Abstract]:In recent years, with the rapid development of information technology, all kinds of video information can be seen everywhere in people's daily life. Videos such as ads are often preloaded on online social networks online Social Networks. How to design videos in the process of designing and producing them can attract the attention of viewers and have a positive impact on the mood of the audience. To improve the audience reputation and sales performance of such videos, and generate economic benefits, this is the relevant cultural enterprises, video directors, To explore the impact of the underlying visual features on the popularity of commercial video, it is necessary to extract the underlying features of the video, after obtaining the raw video data and their audience evaluation, The feature selection method is used to extract the features that have a great impact on the evaluation. In this paper, the Correlation-Based Feature selection (CFS) method, which is widely used in cross-correlation feature selection, is improved, and a CFS-Spearman feature selection algorithm is proposed. Spearman rank correlation coefficient and CFS method are used to select the features. Three groups of data in UCI machine learning database are selected as experimental data sources. The method of feature selection is compared with the traditional CFS method and the minimum redundancy and maximum MRs method, and the KNN-SVM classifier is used to verify the advantages and disadvantages of each candidate set. The effectiveness of the proposed method is proved. Finally, the proposed method is applied to the bottom feature selection of commercial video, and the feature subset which has the greatest influence on the popularity of video is selected. The results show that the three underlying video features, such as motion variance, luminance mean and saturation, will have a certain impact on the audience evaluation. The ROC curve shows that the combination of CFS-Spearman and SVM is better than that of CFS-Spearman and KNN. The experimental results show that the combination of CFS-Spearman and SVM is more suitable for this research. The research results lay a foundation for further research.
【學(xué)位授予單位】：東北電力大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐瀟源;嚴(yán)正;馮冬涵;王毅;曹路;;基于輸入變量秩相關(guān)系數(shù)的概率潮流計(jì)算方法[J];電力系統(tǒng)自動(dòng)化;2014年12期

2 馬辰陽(yáng);李素梅;馬瑞澤;朱丹;郭曉曦;;基于運(yùn)動(dòng)和視差信息的立體視頻質(zhì)量客觀評(píng)價(jià)[J];光電子.激光;2013年10期

3 王亦男;;微電影中的色彩與光線對(duì)觀眾情緒的影響[J];新聞世界;2013年07期

4 馮靜;;基于秩相關(guān)系數(shù)的加速貯存退化失效機(jī)理一致性檢驗(yàn)[J];航空動(dòng)力學(xué)報(bào);2011年11期

5 孫凰耀;;動(dòng)畫(huà)場(chǎng)景色彩對(duì)觀眾情緒的影響[J];藝術(shù)與設(shè)計(jì)(理論);2011年04期

6 張曉光;孫正;徐桂云;阮殿旭;;一種類內(nèi)方差與相關(guān)度結(jié)合的特征選擇算法[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2011年03期

7 張富強(qiáng);李均利;李綱;滿家巨;陳剛;;基于四元數(shù)奇異值分解的視頻質(zhì)量評(píng)價(jià)方法[J];電子學(xué)報(bào);2011年01期

8 耿國(guó)華;王克剛;李康;;基于色彩紋理特征的圖像分類及應(yīng)用[J];西北大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年01期

9 武建華;宋擒豹;沈均毅;謝建文;;基于關(guān)聯(lián)規(guī)則的特征選擇算法[J];模式識(shí)別與人工智能;2009年02期

10 詹德川;周志華;;基于相關(guān)投影分的特征選擇算法[J];計(jì)算機(jī)科學(xué)與探索;2007年02期

相關(guān)博士學(xué)位論文 前3條

1 林翔宇;無(wú)參考視頻質(zhì)量評(píng)價(jià)方法研究[D];浙江大學(xué);2012年

2 李寧;基于視覺(jué)認(rèn)知的人體行為特征提取模型研究[D];北京交通大學(xué);2010年

3 孫凱;面向觀眾的電影情感內(nèi)容表示與識(shí)別方法研究[D];華中科技大學(xué);2009年

相關(guān)碩士學(xué)位論文 前7條

1 李順才;基于底層特征和SVM的圖像分類[D];河南大學(xué);2013年

2 梁鑫;多媒體資料庫(kù)系統(tǒng)中基于區(qū)域圖像檢索的研究與實(shí)現(xiàn)[D];西安電子科技大學(xué);2013年

3 王新竹;基于動(dòng)態(tài)圖像序列的人臉表情特征提取和識(shí)別算法的研究[D];吉林大學(xué);2012年

4 劉晶;基于相關(guān)性特征權(quán)重選擇決策樹(shù)算法的學(xué)術(shù)關(guān)系分類規(guī)則提取[D];中南大學(xué);2012年

5 黃千;基于支持向量機(jī)的音頻分類技術(shù)研究與應(yīng)用[D];北京郵電大學(xué);2010年

6 豐明聰;基于SVM的步態(tài)識(shí)別研究[D];江南大學(xué);2008年

7 �？�;基于特征提取及神經(jīng)網(wǎng)絡(luò)的圖像分類識(shí)別與目標(biāo)跟蹤[D];西安電子科技大學(xué);2008年

，

本文編號(hào)：1627955