深度學習及其在社會化媒體分析中應用研究.pdf

1、近年來由于移動設備技術及互聯(lián)網(wǎng)技術的不斷發(fā)展，極大的方便人們隨時隨地進行圖片拍攝，這就使得以圖像為出發(fā)點的社交媒體如Flickr、Instagram等開始大量的涌現(xiàn)。如何有效地管理組織這些海量的圖像數(shù)據(jù)，并對社會化媒體中圖像進行挖掘分析以促進個體在線交流，提升用戶體驗，輔助企業(yè)做出營銷決策成為了研究的熱點問題。而深度學習正是能夠從海量的數(shù)據(jù)中進行學習、挖掘的一種機器學習方法。其深度分層結構與人類視覺系統(tǒng)具有深度分層的特點一致，所以深度學

2、習人類符合人類生物學上對圖像認知的過程。自2006年深度學習被Hinton提出后就引發(fā)了學術界、工業(yè)界的研究熱潮，已經(jīng)涌現(xiàn)大量的研究和應用。深度學習強調可學習性的特點，因此它適合于學習具有良好表達力的圖像特征，進而滿足社會化媒體圖像語義學習分類、圖像美學質量評價以及以此為基礎的社會化媒體分析研究。本文針對以上問題提出了基于深度學習模型的社會化媒體圖像語義分類算法和社會化媒體圖像美學質量評價算法并進行了應用。
　　本文首先詳細介紹了

3、深度學習算法的基本思想、訓練方法以及其與傳統(tǒng)神經(jīng)網(wǎng)絡的主要異同，并且對幾種得到廣泛研究應用的深度學習模型作了闡述。其次，描述了深度學習在圖像語義分類應用的問題定義及現(xiàn)有的方法，并提出了基于棧式去噪編碼器(Stacked denoising Auto-Encoder, SdEA)和基于卷積深度玻爾茲曼機（Convolution Deep Boltzmann Machine，CDBM）的圖像語義分類模型。并且用實驗證明這兩種模型在社會化圖像