搜索引擎中基于磁性隐喻的图形化界面交互方式

来源 :第十四届全国多媒体技术、第一届全国普适计算、第一届全国人机交互联合学术会议(第一届全国和谐人机环境联合学术大会) | 被引量 : 0次 | 上传用户:fever1879
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
本论文提出了一种筛选、组织信息的方法:一种针对互联网搜索的基于磁性隐喻的视觉技术.这种方法的主要特征有:对关键词的搜索的初始结果分为多个结果集合,每个结果集合包含多个相关度相似的网页,每个结果集合表现为一个点状颗粒,并将所有点状颗粒随机排列显示;用户可以在搜索结果的页面上继续添加关键词及其属性,并将添加的关键词表现为具有磁性特质的条件,这些条件可以通过"吸引"与其高相关度的网页同时"排斥"与其低相关度的网页来改变点状颗粒的排列;可以添加、删除,移动现有和更多的关键词,这些改变将会对当前的结果记录产生"磁性"影响,即点状颗粒按一定规律重新排列;系统自动判断点状颗粒图形区域与附加的列表区域间的关系并给出图形化的显示,用来引导用户学习和使用这种列表与图形相结合的交互形式.
其他文献
多视点视差估计是多视点视频系统中的关键技术之一,它能有效消除各个视点间的冗余性.但是多视点视差估计的计算复杂度非常高,是限制多视点视频系统应用的一个瓶颈,本文针对多视点视差估计巨大的计算量,提出了一种基于视差插值与相似度函数的多视点视差估计快速算法,实验证明本算法能在保证编码质量的前提下,大大减少视差估计计算复杂度,提高多视点编码系统性能.
本文研究了Ad-Hoc无线自组网络中多源视频流化传输时的动态速率分配方案--基于平均失真最小的速率分配方案(AODM),并在分析的基础上提出了改进的基于均方失真最小的速率分配方案(ASDM).文中所提出的方案是基于视频传输速率-失真模型,在视频流的接收端设计实现,并使用一种快速的视频内容层次划分方法进行流化传输.根据多个发送源场景下的实验结果,我们验证了所提出的速率分配方案ASDM在性能上要优于不
分布式视频编解码框架是与目前传统视频编解码框架相反的一种编解码方式.它将运动搜索,运动补偿转移到解码端而拥有一个低复杂度的编码端和高复杂度的解码端.然而Ad-Hoc网络环境下的终端都是计算能力、带宽受限的手持移动设备,高复杂的解码端不适应Ad-Hoc网络环境下的视频应用.因此,我们提出了一种适用于Ad-Hoc网络视频应用的自适应的分布式视频编解框架:ADVC.从试验结果可以看出,ADVC在低码率的
本文提出一种新的基于最优化的分配多媒体多速率组播流速率的方法.方法权衡了各流的QoS、异构性及公平性等,仿真实验证明了算法的有效性.
多视点视频是近几年视频处理领域研究的热点,它的提出体现了下一代多媒体应用网络化、交互性和真实感的方向发展.本文介绍了交互式多视点视频点播系统的结构框架和其支持的交互功能;简要介绍了虚拟视点合成算法;提出了基于视点间预测的多视点分组编码方案,能够提高编码效率和支持低延时的随机访问;以及描述了相应的系统网络传输交互控制协议.
目前,语音合成技术已经从人类的"理想"、"构建和谐社会"必不可少的手段,具体化为社会生活中方方面面的应用.对于汉语语音合成技术来说,是不是已经接近或达到了应用目标,是本文探讨的主题.文中简要报告了2004年在中国人民大学信息学院进行的汉语语音合成系统的评估实验结果,以此分析了汉语语音合成系统的可用性.评估采用主观印象评测(MOS)方法,选择了当前有代表性的五个汉语语音合成系统;从模块诊断评估和整体
在音乐信息检索领域,近似重复模式的发现是一个重要的研究课题.我们根据乐曲中重复模式的特点,提出了基于二维单侧连续匹配的近似重复模式发现算法,能更准确地发现近似重复模式.由于算法对乐曲采用了n-gram划分,并对划分后的片段建立hash索引,使算法的时间复杂性大大降低,并能在一趟计算过程中发现全部近似重复模式.最后,我们还讨论了如何选取近似重复模式,建立二级音乐数据库的索引机制,进一步提高音乐数据库
现有的视频监控系统必须要依靠人对监控图像的实时观察才能发挥作用.设计并实现了一种基于高斯混合模型与运动分割相结合的自适应视频监控运动物体提取系统.使用高斯混合模型对彩色空间进行建模,使用运动分割获得运动场,对两种方法分别获得的模板根据一定的权重比例组成最终掩码模板,利用对象形状的空间连通性等约束去除噪声影响,从而实时地分离出前景中的运动物体并对其进行计数.实验结果证明了系统的有效性.
传统内容适配不够准确、智能,为解决此问题,把语义网的一些思路用于内容适配中,提出了一种基于语义的内容适配框架,重点介绍了系统各部分的工作原理和实现技术,并将它与传统的参数方式作了详细的比较.结果表明,它能提高用户的主观质量,能够为用户提供更个性化、更智能的服务.
本文采用一种双层混合模型将新闻视频分割为逻辑故事语义单元序列.该双层混合模型是Chaisorn和Chua[2003]等提出的混合模型的扩展,加入了主题标题、主题镜头、人脸个数和人脸位置等特征以及一个基于内容的相似模块和基于启发式规则的预分割模块等.该系统在镜头层和故事层分别采用决策树和隐式马尔可夫算法.经过24个小时(967个故事单元)的CCTV国际频道的新闻节目对模型进行训练和18个小时(718