123,123

內(nèi)容簡(jiǎn)介

　　隨著網(wǎng)絡(luò)技術(shù)和信息技術(shù)的發(fā)展，電子商務(wù)領(lǐng)域呈現(xiàn)出飛速發(fā)展趨勢(shì)，這促進(jìn)了消費(fèi)者在線購(gòu)物的蓬勃發(fā)展，給電商帶來了前所未有的發(fā)展機(jī)遇和挑戰(zhàn)。電子商務(wù)給消費(fèi)者提供了更多的在線商品選擇機(jī)會(huì)，同時(shí)也為消費(fèi)者帶來了巨大的認(rèn)知負(fù)擔(dān)。為此，許多電子商務(wù)網(wǎng)站給消費(fèi)者提供關(guān)鍵字的檢索功能，以此來減少消費(fèi)者在商品海洋中選擇的盲目性。在線購(gòu)物過程中商品圖片對(duì)消費(fèi)者購(gòu)買行為有著重要的影響，這是因?yàn)閳D像信息具有形象、直觀、易懂和信息量大等特點(diǎn)，圖片是人類最重要和最有效的信息獲取和交流方式。傳統(tǒng)的基于內(nèi)容的圖像檢索是對(duì)圖像視覺底層特征的計(jì)算和比較，即“視覺相似”。實(shí)際上，消費(fèi)者對(duì)商品圖片的理解不僅建立在“視覺相似”上，同時(shí)也要求商品圖片的“語義相似”，僅僅使用圖像處理算法提取底層視覺特征不能充分描述人對(duì)商品圖片的語義理解。人對(duì)圖像的理解結(jié)合了日常生活中積累的經(jīng)驗(yàn)知識(shí)和個(gè)人偏好，并且人是以語義視角下的思維認(rèn)知模式進(jìn)行圖像理解的，這容易造成人理解的圖像語義與圖像的底層視覺特征之間存在“語義鴻溝”。為了克服商品圖像檢索中的“語義鴻溝”問題，本文利用眼動(dòng)跟蹤技術(shù)記錄人瀏覽圖像時(shí)的眼動(dòng)行為，探討眼動(dòng)行為、選擇行為和視覺注意計(jì)算模型之間的內(nèi)在聯(lián)系，并以此作為獲取人理解圖像語義信息的基礎(chǔ)，進(jìn)一步深入研究眼動(dòng)行為的語義表達(dá)和圖像檢索問題。

作者簡(jiǎn)介

　　胡文婷，女，博士，江蘇開放大學(xué)商學(xué)院講師，2016年畢業(yè)于南京大學(xué)管理科學(xué)與工程專業(yè)，獲管理學(xué)博士學(xué)位?，F(xiàn)任江蘇開放大學(xué)電子商務(wù)專業(yè)負(fù)責(zé)人、商學(xué)院學(xué)術(shù)委員會(huì)委員、黨外知識(shí)分子聯(lián)誼會(huì)副秘書長(zhǎng)、南京大學(xué)商學(xué)院工商管理專業(yè)博士后、中國(guó)計(jì)算機(jī)協(xié)會(huì)CCF TCCC協(xié)同計(jì)算專業(yè)委員會(huì)、江蘇基層社會(huì)治理研究協(xié)同創(chuàng)新基地研究人員。目前主要從事智能信息處理與分析、決策分析等方面研究。在國(guó)內(nèi)外重要刊物上發(fā)表多篇研究論文，其中SSCI、SCI、CSSCI、EI收錄論文數(shù)十篇，且申請(qǐng)或授權(quán)國(guó)家發(fā)明專利多項(xiàng)。主持或參與國(guó)家社會(huì)科學(xué)基金重大項(xiàng)目、國(guó)家自然科學(xué)基金項(xiàng)目、博士后科學(xué)基金資助項(xiàng)目、江蘇省高等學(xué)校自然科學(xué)研究項(xiàng)目等多項(xiàng)科研項(xiàng)目。

圖書目錄

第一部分認(rèn)識(shí)篇
第1章緒論
1.1 研究背景和意義
1.2 國(guó)內(nèi)外研究基礎(chǔ)
1.2.1 視覺注意的理論研究
1.2.2 視覺注意計(jì)算模型研究
1.2.3 視覺注意與眼動(dòng)跟蹤的研究
1.2.4 圖像檢索研究
1.2.5 基于眼動(dòng)跟蹤的圖像檢索研究
1.3 本章小結(jié)
第2章眼動(dòng)跟蹤實(shí)驗(yàn)的研究基礎(chǔ)
2.1 引言
2.2 視覺注意的眼動(dòng)實(shí)驗(yàn)
2.3 眼動(dòng)的概念與指標(biāo)
2.3.1 眼動(dòng)的概念
2.3.2 眼動(dòng)指標(biāo)
2.4 眼動(dòng)跟蹤技術(shù)概述
2.4.1 人眼結(jié)構(gòu)與視覺原理
2.4.2 眼動(dòng)記錄技術(shù)與方法
2.4.3 眼動(dòng)儀的介紹
2.5 本章小結(jié)
第二部分方法篇
第3章視覺注意與興趣選擇之間的聯(lián)系
3.1 引言
3.2 視覺注意計(jì)算模型
3.2.1 非均勻采樣
3.2.2 底層視覺特征提取
3.2.3 中央周邊差操作
3.2.4 特征顯著圖的融合
3.3 興趣點(diǎn)的興趣圖
3.4 點(diǎn)擊實(shí)驗(yàn)
3.4.1 實(shí)驗(yàn)?zāi)康?br /> 3.4.2 實(shí)驗(yàn)準(zhǔn)備
3.4.3 實(shí)驗(yàn)流程
3.4.4 實(shí)驗(yàn)結(jié)果與分析
3.4.5 討論
3.5 眼動(dòng)實(shí)驗(yàn)
3.5.1 實(shí)驗(yàn)?zāi)康?br /> 3.5.2 實(shí)驗(yàn)準(zhǔn)備
3.5.3 實(shí)驗(yàn)流程
3.5.4 實(shí)驗(yàn)結(jié)果與分析
3.5.5 討論
3.6 本章小結(jié)
第4章基于眼動(dòng)跟蹤的視覺注意分配方法
4.1 引言
4.2 基于區(qū)域的圖像分割算法
4.2.1 邊緣檢測(cè)法
4.2.2 區(qū)域提取法
4.2.3 閾值分割法
4.3 基于模糊核聚類的視覺注意分配策略
4.3.1 視線注意程度描述
4.3.2 傳統(tǒng)的模糊聚類算法
4.3.3 眼動(dòng)跟蹤計(jì)算模型
4.4 眼動(dòng)實(shí)驗(yàn)
4.4.1 實(shí)驗(yàn)?zāi)康?br /> 4.4.2 實(shí)驗(yàn)準(zhǔn)備
4.4.3 實(shí)驗(yàn)流程
4.4.4 實(shí)驗(yàn)結(jié)果與分析
4.5 本章小結(jié)
第三部分應(yīng)用篇
第5章基于眼動(dòng)跟蹤的語義圖像重排序研究
5.1 引言
5.2 基于眼動(dòng)信息的語義標(biāo)注
5.3 圖像的特征屬性描述
5.3.1 顏色特征
5.3.2 紋理特征
5.4 重排序算法
5.5 多類對(duì)象的眼動(dòng)實(shí)驗(yàn)
5.5.1 實(shí)驗(yàn)?zāi)康?br /> 5.5.2 實(shí)驗(yàn)準(zhǔn)備
5.5.3 實(shí)驗(yàn)流程
5.5.4 實(shí)驗(yàn)結(jié)果與分析
5.6 同類對(duì)象的眼動(dòng)實(shí)驗(yàn)
5.6.1 實(shí)驗(yàn)?zāi)康?br /> 5.6.2 實(shí)驗(yàn)準(zhǔn)備
5.6.3 實(shí)驗(yàn)流程
5.6.4 實(shí)驗(yàn)結(jié)果與分析
5.7 本章小結(jié)
第6章融合眼動(dòng)跟蹤的語義圖像分類研究
6.1 引言
6.2 眼動(dòng)賦權(quán)后的特征向量
6.2.1 權(quán)重矩陣
6.2.2 賦權(quán)后的特征向量
6.3 分類算法
6.3.1 支持向量機(jī)
6.3.2 樸素貝葉斯
6.4 .眼動(dòng)和點(diǎn)擊實(shí)驗(yàn)
6.4.1 實(shí)驗(yàn)?zāi)康?br /> 6.4.2 實(shí)驗(yàn)準(zhǔn)備
6.4.3 實(shí)驗(yàn)流程
6.4.4 實(shí)驗(yàn)結(jié)果與分析
6.5 本章小結(jié)
參考文獻(xiàn)
后記