论文部分内容阅读
随着Internet的迅速发展,网络已经深入到人们生活的众多领域,成为了人们不可或缺的通讯工具、信息获取工具及娱乐工具。Flash Movies作为一种新兴的多媒体形式,是Internet中的重要组成元素,由于具有极强的艺术表现力、制作简单、交互灵活、文件小、便于网络传播等诸多优势,在Internet中广泛应用于游戏、动画、MTV、广告、教学课件,也作为文档、PPT、视频的容器出现,其数量不断增长,成为目前十分重要的多媒体网络信息资源。Flash Movies资源在教育领域所发挥的作用也越来越重要,一方面,互联网技术的发展使得这些Flash Movies资源的发布与共享不再受时间、空间的限制,成为我们获取这些资源的一个重要途径;但另一方面,网络资源的丰富且动态更新却又使我们从中寻找需要的Flash Movies资源变得越来越困难。Flash Movies资源作为教育资源建设的一个重要方面成为教育技术学的研究领域。面对网络中越来越多的Flash Movies,如何管理才能使人们能够准确而方便的找到自己想要的资源,成为一个引人注意的问题。解决这一问题的行之有效的方法就是对其进行分类,通过分类管理、分类检索可以极大的提高管理的效率和检索的效率。因此,本文通过对Flash Movies内容特征的分析和分类算法的研究,旨在建立一个基于内容的Flash Movies分类系统,实现对Flash Movies的自动分类管理。该分类系统选取了Flash Movies的14个类别特征项来标识一个Flash Movies的类型,这些特征项分别是文件大小、变形数、图形数、文本数、声音数、按钮数、影片剪辑数、脚本数、帧数、游戏匹配度、动画匹配度、MTV匹配度、课件匹配度和广告匹配度,其中最后5项为文本特征项。这种选取方法既包含了Flash Movies的内容特征,又将文本特征纳入到分类体系之中,实现了两者的优势互补。该分类系统核心算法采用了较为成熟的BP神经网络算法,BP神经网络是一种按误差反向传播算法学习的多层前馈网络,是目前应用最广泛的神经网络模型之一。BP神经网络是对人脑的简单模仿,但它仍具有两个关键特征:第一,人工神经网络与人脑一样,都是由若干可计算单元高度连接构成的复杂网络。第二,单元之间的连接和信息处理方式决定了网络的功能。BP神经网络通过样本的训练,学习获得神经元之间连接的各项参数,主要是各连接权值和阈值,这就是神经网络的学习过程。最后将要分类的Flash Movies的各特征项的值输入到经过学习的BP神经网络中,经过计算获得其类别。本文的研究工作和研究成果主要包括以下几个方面:(1)搜索下载Internet上的Flash Movies,建立一个Flash Movies资源数据库,分析数据库中Flash Movies的类别特征元素及其属性。(2)提取Flash Movies关键词的特征向量,计算Flash Movies与每一类的相似度,将相似度纳入到Flash Movies的类别特征描述之中。(3)研究设计了适合于对Flash Movies进行分类的算法。(4)研究分析了关于BP神经网络的改进算法。(5)在理论研究的基础上,完成了一个基于内容的Flash Movies分类系统,并将其应用于Flash Movies的资源管理平台。