Foundations of Large-Scale Multimedia Information Management and Retrieval: Mathematics of Perception

\"مبانی مدیریت و بازیابی اطلاعات چند رسانه ای در مقیاس بزرگ: ریاضیات ادراک\"بازنمایی دانش و تحلیل معنایی داده های چند رسانه ای و مقیاس پذیری در استخراج سیگنال، داده کاوی و نمایه سازی این کتاب به دو بخش تقسیم می‌شود: بخش اول - بازنمایی دانش و تحلیل معنایی بر مؤلفه‌های کلیدی ریاضیات ادراک تمرکز دارد که در مدیریت و بازیابی داده‌ها کاربرد دارد. اینها شامل انتخاب/کاهش ویژگی، نمایش دانش، تحلیل معنایی، فرمول بندی تابع فاصله برای اندازه گیری شباهت، و همجوشی چندوجهی است. بخش دوم - مسائل مقیاس‌پذیری روش‌های نمایه‌سازی و توزیع‌شده را برای مقیاس‌بندی این مؤلفه‌ها برای داده‌های با ابعاد بالا و مجموعه‌های داده در مقیاس وب ارائه می‌کند. این کتاب برخی از کاربردهای دنیای واقعی و نکاتی را در مورد مسیرهای تحقیق و توسعه آینده ارائه می دهد.

این کتاب برای محققان، دانشجویان فارغ التحصیل و متخصصان در زمینه‌های بینایی رایانه، یادگیری ماشین، داده‌کاوی در مقیاس بزرگ، پایگاه داده و بازیابی اطلاعات چندرسانه‌ای طراحی شده است.

Dr. . ادوارد وای چانگ قبل از اینکه در سال 2006 به عنوان مدیر تحقیقات به گوگل بپیوندد، استاد گروه مهندسی برق و کامپیوتر، دانشگاه کالیفرنیا در سانتا باربارا بود. دکتر چانگ مدرک کارشناسی ارشد خود را دریافت کرد. مدرک در علوم کامپیوتر و مدرک دکترا در مهندسی برق، هر دو از دانشگاه استنفورد.

"Foundations of Large-Scale Multimedia Information Management and Retrieval: Mathematics of Perception"covers knowledge representation and semantic analysis of multimedia data and scalability in signal extraction, data mining, and indexing. The book is divided into two parts: Part I - Knowledge Representation and Semantic Analysis focuses on the key components of mathematics of perception as it applies to data management and retrieval. These include feature selection/reduction, knowledge representation, semantic analysis, distance function formulation for measuring similarity, and multimodal fusion. Part II - Scalability Issues presents indexing and distributed methods for scaling up these components for high-dimensional data and Web-scale datasets. The book presents some real-world applications and remarks on future research and development directions.

The book is designed for researchers, graduate students, and practitioners in the fields of Computer Vision, Machine Learning, Large-scale Data Mining, Database, and Multimedia Information Retrieval.

Dr. Edward Y. Chang was a professor at the Department of Electrical & Computer Engineering, University of California at Santa Barbara, before he joined Google as a research director in 2006. Dr. Chang received his M.S. degree in Computer Science and Ph.D degree in Electrical Engineering, both from Stanford University.