随着网络与计算机的发展，可利用的数据量日益增大，数据的形式更多样化，这对数据挖掘算法的研究和数据挖掘与领域知识、技术的融合都提出了新的挑战。李英杰编写的《数据挖掘算法及在视频分析中的应用》在分析数据挖掘相关概念和相关技术研究现状基础上，阐述了围绕数据挖掘中的分类、特异数据挖掘、关联规则等任务中经典算法的改进研究。
继而阐述了数据挖掘算法在计算机视觉领域应用的研究工作。每部分研究工作均详细描写了背景、问题、研究思路、实验结果、结论与总结等。各部分工作相关，又独成体系，可读性好。
《数据挖掘算法及在视频分析中的应用》可作为高等学校数据分析类课程的补充资料，也可供相关方向的研究生及专业科技工作者参考。
目录
- 前言
- 第1章绪论
- 第2章数据挖掘基本概念与相关技术研究现状
- 2.1数据挖掘的基本概念
- 2.2频繁项集和关联规则挖掘
- 2.3聚类、分类与模式识别
- 2.4特异数据挖掘
- 2.5数据挖掘应用现状
- 第3章基于聚类的全局特异数据挖掘算法
- 3.1基于距离的全局特异数据挖掘概念和方法
- 3.2一种基于聚类的全局特异数据挖掘算法
- 3.3挖掘特异数据能力实验分析
- 3.4算法性能实验分析
- 3.5聚类算法与特异发现算法对比
- 3.6小结
- 第4章基于规则的分类方法
- 4.1基本概念
- 4.2基于规则的分类方法
- 4.3关联规则分类算法
- 4.4必要置信度对分类精度影响的研究
- 4.5小结
- 第5章智能视频监控中的数据挖掘应用
- 5.1智能监控系统研究背景与相关技术现状
- 5.2一种智能监控系统构架
- 5.3一种行为识别视频特征有效性验证
- 5.4小结
- 第6章基于差分的行为特征与基于全前景的行为特征比较
- 6.1概述
- 6.2表观特征
- 6.3帧差序列与全前景序列
- 6.4特征集
- 6.5实验分析
- 6.6讨论与结论
- 第7章基于差分的行为识别进一步探索
- 7.1相关工作介绍和本章方法概述
- 7.2差分光流计算方法
- 7.3特征集
- 7.4实验与讨论
- 7.5结论
- 第8章结论
- 参考文献
