目錄
第1章 多模態數據分析概述1
1 1什麼是多模態數據1
1 2多模態數據分析的意義4
1 3多模態數據分析的挑戰7
1 4小結9
第2章 單一模態數據處理與分析11
2 1文本數據處理與分析11
2 1 1文本數據處理12
2 1 2文本分類與主題建模21
2 2圖像數據處理與分析25
2 2 1圖像數據處理25
2 2 2圖像目標檢測35
2 3音頻數據處理與分析37
2 3 1音頻數據預處理38
2 3 2音頻分類與事件檢測46
2 4視頻數據處理與分析49
2 4 1視頻數據預處理50
2 4 2行為識別與動作分析60
2 5小結65
第3章 多模態數據融合66
3 1多模態數據融合的研究意義66
3 2多模態數據融合的常規方法67
3 2 1特徵級融合67
3 2 2決策級融合71
3 2 3模型級融合75
3 2 4混合級融合80
3 3多模態數據融合的創新方法84
3 3 1基於深度學習的多模態特徵自適應融合84
3 3 2基於跨模態語義對齊的一致性增強融合89
3 3 3基於圖的多模態圖像關係推理融合92
3 4小結95
第4章 統計學與數據分析96
4 1統計學概述96
4 2基礎知識98
4 2 1描述統計98
4 2 2假設檢驗105
4 3相關性分析107
4 4回歸分析109
4 4 1回歸分析介紹109
4 4 2案例:二手車怎麼買111
4 5算法案例:基於相關性統計的短語詞雲121
4 5 1文本數據處理121
4 5 2短語詞雲算法原理與展示125
4 6小結126
第5章 基於機器學習的多模態數據分析128
5 1經典機器學習算法介紹128
5 1 1線性回歸129
5 1 2邏輯回歸130
5 1 3支持向量機131
5 1 4決策樹132
5 1 5隨機森林134
5 1 6XGBoost137
5 1 7樸素貝葉斯137
5 1 8神經網絡138
5 2案例:基於支持向量機的車牌識別140
5 3案例:基於神經網絡的機器翻譯150
5 4小結154
第6章 基於深度學習的多模態數據分析156
6 1深度學習介紹156
6 2卷積神經網絡及其數據分析案例158
6 2 1卷積神經網絡介紹158
6 2 2案例:顏值評分160
6 3序列數據應用—LSTM167
6 3 1循環神經網絡和LSTM介紹167
6 3 2案例:用模型作詩169
6 4深度學習擴展知識與應用175
6 5小結180
第7章 基於知識圖譜的多模態數據分析181
7 1知識圖譜技術體系及其構建方法181
7 1 1知識圖譜技術體系181
7 1 2案例:構建知識圖譜184
7 2知識圖譜與多模態數據融合190
7 2 1融合的優勢及應用方向190
7 2 2案例:構建基於多模態知識圖譜的多標簽預測模型191
7 3知識圖譜推理與分析203
7 3 1推理與分析方法介紹203
7 3 2案例:基於圖神經網絡的知識圖譜給用戶推薦電影204
7 4知識圖譜數據分析的企業級拓展應用208
7 4 1用戶傳播路徑208
7 4 2用戶搜索觀星台209
7 4 3用戶關係網絡及健康度評估210
7 5小結212
第8章 基於大模型的多模態數據分析213
8 1大模型概述213
8 1 1大模型的定義與特點213
8 1 2大模型的基本原理214
8 1 3大模型在多模態數據分析中的重要作用217
8 2大模型應用架構218
8 2 1業務架構218
8 2 2技術架構220
8 2 3技術路線選擇224
8 3大模型在多模態數據分析中的應用226
8 3 1大模型助力多模態數據處理226
8 3 2大模型助力多模態數據融合228
8 3 3大模型助力多模態數據分析230
8 4GPT與DeepSeek:多模態數據分析領域的交鋒231
8 4 1GPT:多模態先驅,當下實力究竟幾何231
8 4 2DeepSeek:新晉黑馬,突破重圍有何獨特優勢233
8 4 3巔峰對壘:GPT與DeepSeek多模態數據分析比拼235
8 5小結237
第9章 實戰案例:挖掘肺部病變,賦能精準醫療239
9 1多模態數據分析在醫療領域的發展和應用現狀239
9 2肺部病變識別的背景介紹241
9 3肺部病變識別的實踐過程242
9 3 1CT影像數據預處理242
9 3 2使用TensorFlow搭建CNN模型250
9 3 3使用模型識別疑似病灶圖像255
9 4小結258
第10章 實戰案例:剖析疾病數據,助力早期篩查260
10 1疾病早篩數據預處理260
10 2建立重大疾病預測模型267
10 3疾病早篩實際業務過程和價值預估269
10 4小結272
第11章 實戰案例:聚焦直播高光時刻,推動話題製造273
11 1直播數據特點273
11 2直播數據反饋274
11 3視覺內容識別276
11 4彈幕評論解析280
11 5音頻情感分析283
11 6協同確定直播高光時刻286
11 7小結287
第12章 實戰案例:解析優質視頻,汲取創作靈感288
12 1短視頻數據特點288
12 2使用多模態大模型做視頻分析的優勢和局限性290
12 3從視頻內容預處理到靈感孵化293
12 4數據驅動的靈感閉環299
12 5小結301
詳細資料或其他書籍請至台灣高等教育出版社查詢,查後請於客服中心或Line或本社留言板留言,我們即儘速上架。