Abstract Advances in multimedia dat

Abstract Advances in multimedia data acquisition and storage technology have
led to the growth of very large multimedia databases. Analyzing this huge amount
of multimedia data to discover useful knowledge is a challenging problem. This
challenge has opened the opportunity for research in Multimedia Data Mining
(MDM). Multimedia data mining can be defined as the process of finding interesting
patterns from media data such as audio, video, image and text that are not ordinarily
accessible by basic queries and associated results. The motivation for doing MDM
is to use the discovered patterns to improve decision making. MDM has therefore
attracted significant research efforts in developing methods and tools to organize,
manage, search and perform domain specific tasks for data from domains such as
surveillance, meetings, broadcast news, sports, archives, movies, medical data, as well
as personal and online media collections. This paper presents a survey on the problems
and solutions in Multimedia Data Mining, approached from the following
angles: feature extraction, transformation and representation techniques, data mining
techniques, and current multimedia data mining systems in various application
domains. We discuss main aspects of feature extraction, transformation and representation
techniques. These aspects are: level of feature extraction, feature fusion,
features synchronization, feature correlation discovery and accurate representation
of multimedia data. Comparison of MDM techniques with state of the art
video processing, audio processing and image processing techniques is also provided.
Similarly, we compare MDM techniques with the state of the art data mining techniques
involving clustering, classification, sequence pattern mining, association rule
mining and visualization. We review current multimedia data mining systems in
detail, grouping them according to problem formulations and approaches. The review
includes supervised and unsupervised discovery of events and actions from one
C. A. Bhatt (B) · M. S. Kankanhalli
School of Computing, National University of Singapore, Singapore, 117417, Singapore
e-mail: [e-mail]
M. S. Kankanhalli
e-mail: [e-mail]
36 Multimed Tools Appl (2011) 51:35–76
or more continuous sequences. We also do a detailed analysis to understand what has
been achieved and what are the remaining gaps where future research efforts could
be focussed. We then conclude this survey with a look at open research directions.
Keywords Survey · Multimodal data mining · Probabilistic temporal multimedia
data mining · Video mining · Audio mining ·Image mining ·Text mining
1 Introduction
In recent years, multimedia data like pictures, audio, videos, text, graphics, animations,
and other multimodal sensory data have grown at a phenomenal rate and are
almost ubiquitous. As a result, not only the methods and tools to organize, manage,
and search such data have gained widespread attention but the methods and tools to
discover hidden knowledge from such data have become extremely important. The
task of developing such methods and tools is facing the big challenge of overcoming
the semantic gap of multimedia data. But in certain sense datamining techniques
are attempting to bridge this semantic gap in analytical tools. This is because such
tools can facilitate decision making in many situations. Data mining refers to the
process of finding interesting patterns in data that are not ordinarily accessible by
basic queries and associated results with the objective of using discovered patterns to
improve decision making [104]. For example, it might not be possible to easily detect
suspicious events using simple surveillance systems. But MDM tools that perform
mining on captured trajectories from surveillance videos, can potentially help find
suspicious behavior, suspects and other useful information.
MDM brings in strengths from both multimedia and data mining fields along with
challenging problems in these fields. In terms of strength, we can say image, audio,
video etc are more information rich than the simple text data alone in most of the
domains. The knowledge available from such multimedia data can be universally
understandable. Also, there can be certain situations where there is no other efficient
way to represent the information other than the multimodal representation of
the scenario.
Mining of multimedia data is more involved than that of traditional business data
because multimedia data are unstructured by nature. There are no well-defined fields
of data with precise and nonambiguous meaning, and the data must be processed to
arrive at fields that can provide content information. Such processing often leads
to non-unique results with several possible interpretations. In fact, multimedia data
are often subject to varied interpretations even by human beings. For example, it
is not uncommon to have different interpretation of an image by different people.
Another diff

ผลลัพธ์ (ไทย) 1:

นามธรรมความก้าวหน้าในเทคโนโลยีการซื้อและการจัดเก็บข้อมูลมัลติมีเดียมีนำไปสู่การเติบโตของฐานข้อมูลมัลติมีเดียที่มีขนาดใหญ่มาก การวิเคราะห์นี้จำนวนมากข้อมูลมัลติมีเดียเพื่อค้นพบ ความรู้ที่เป็นประโยชน์เป็นปัญหาท้าทาย นี้ความท้าทายที่เปิดโอกาสสำหรับการวิจัยในการทำเหมืองข้อมูลมัลติมีเดีย(MDM) การทำเหมืองข้อมูลมัลติมีเดียที่สามารถกำหนดเป็นกระบวนการของการค้นหาที่น่าสนใจรูปแบบจากข้อมูลสื่อเช่นข้อความ วิดีโอ ภาพ และเสียงที่ไม่ปกติสามารถเข้าถึง โดยแบบสอบถามพื้นฐานและผลลัพธ์ที่เกี่ยวข้อง แรงจูงใจสำหรับการทำ MDMคือการ ใช้รูปแบบการค้นพบการปรับปรุงการตัดสินใจ MDM มีดังนั้นดึงดูดสำคัญวิจัยในการพัฒนาวิธีการและเครื่องมือการจัดการจัดการ ค้นหา และทำงานเฉพาะโดเมนสำหรับข้อมูลจากโดเมนเช่นเฝ้าระวัง การประชุม กระจายข่าว จดหมายเหตุ ภาพยนตร์ กีฬา ข้อมูลทางการแพทย์ เช่นเป็นการรวบรวม สื่อออนไลน์ส่วนบุคคล เอกสารนี้แสดงแบบสอบถามในปัญหาและระบบมัลติมีเดียการทำเหมืองข้อมูล ทาบทามจากต่อไปนี้มุม: ห้องแยก เทคนิคการแปลงและการแสดง การทำเหมืองข้อมูลเทคนิค และระบบเหมืองข้อมูลมัลติมีเดียที่ปัจจุบันในแอพลิเคชันต่าง ๆโดเมน เรากล่าวถึงประเด็นหลักของการสกัดคุณลักษณะ การแปลง และแสดงเทคนิค เหล่านี้เป็น: ระดับคุณลักษณะสกัด หลอมรวมคุณลักษณะซิงโครไนส์คุณลักษณะ การค้นพบความสัมพันธ์ของคุณลักษณะ และแทนที่ถูกต้องข้อมูลมัลติมีเดีย การเปรียบเทียบเทคนิค MDM มีศิลปะนอกจากนี้ยังมีการประมวลผลวิดีโอ เสียง และเทคนิคการประมวลผลภาพในทำนองเดียวกัน เราเปรียบเทียบเทคนิค MDM มีเทคนิคการทำเหมืองข้อมูลศิลปะเกี่ยวข้องกับคลัสเตอร์ จัดประเภท ทำเหมืองแร่รูปแบบลำดับ กฎข้อบังคับเหมืองแร่และการมองเห็น เราตรวจสอบระบบการทำเหมืองข้อมูลมัลติมีเดียปัจจุบันในรายละเอียด จัดกลุ่มปัญหาสูตรและวิธี การรีวิวมีการค้นพบภายใต้การดูแล และขั่วของเหตุการณ์และการกระทำอย่างใดอย่างหนึ่งC. · A. Bhatt (B) M. S. Kankanhalliโรงเรียนสอนคอมพิวเตอร์ ชาติมหาวิทยาลัยของสิงคโปร์ สิงคโปร์ 117417 สิงคโปร์อีเมล์: [e-mail]. S. Kankanhalliอีเมล์: [e-mail]เครื่องมือ multimed 36 51:35 Appl (2011) – 76หรือลำดับที่ต่อเนื่อง นอกจากนี้เรายังทำการวิเคราะห์รายละเอียดเพื่อให้เข้าใจสิ่งที่มีการประสบความสำเร็จ และช่องว่างที่เหลือคืออะไรที่สามารถวิจัยในอนาคตมี focussed เราแล้วสรุปแบบสำรวจนี้ มีดูที่ทิศทางการวิจัยที่เปิด·การสำรวจคำสำคัญ ·การทำเหมืองข้อมูลที่ต่อเนื่อง มัลติมีเดียที่ขมับ probabilistic·การทำเหมืองข้อมูล เหมืองแร่วิดีโอ· ·เสียงทำเหมืองแร่ ·ภาพการทำเหมืองแร่ การทำเหมืองข้อความบทนำ 1ในปีล่าสุด ข้อมูลมัลติมีเดียเช่นรูปภาพ เสียง วิดีโอ ข้อความ กราฟิก ภาพเคลื่อน ไหวและข้อมูลทางประสาทสัมผัสอื่น ๆ ต่อเนื่องมีการเติบโตที่ยอดเยี่ยม และเป็นอยู่เกือบทุกหนแห่ง เป็นผล ไม่เพียงแต่วิธีการและเครื่องมือในการจัดระเบียบ จัดและการค้นหาเช่นข้อมูลได้รับความสนใจอย่างแพร่หลายแต่วิธีการและเครื่องมือในการค้นพบความรู้ที่ซ่อนอยู่จากเช่นข้อมูลที่มีความสำคัญมาก การงานพัฒนาวิธีการและเครื่องมือดังกล่าวกำลังเผชิญหน้ากับความท้าทายใหญ่ของการเอาชนะช่องว่างทางตรรกของข้อมูลมัลติมีเดีย แต่ ในบางเทคนิค datamining รู้สึกกำลังพยายามเชื่อมช่องว่างนี้ตรรกในเครื่องมือวิเคราะห์ เนื่องจากดังกล่าวเครื่องมือสามารถช่วยตัดสินใจในหลายสถานการณ์ การทำเหมืองข้อมูลหมายถึงการกระบวนการค้นหารูปที่น่าสนใจในข้อมูลที่ไม่สามารถเข้าถึงได้โดยปกติสอบถามพื้นฐานและผลเกี่ยวข้องกับวัตถุประสงค์ของการใช้รูปแบบการค้นพบปรับปรุงการตัดสินใจ [104] เช่น มันไม่สามารถตรวจจับได้อย่างง่ายดายกิจกรรมที่น่าสงสัยโดยใช้ระบบง่าย ๆ แต่เครื่องมือ MDM ที่ทำการทำเหมืองแร่ในทีมจับภาพจากวิดีโอการเฝ้าระวัง อาจช่วยให้ค้นหาพฤติกรรมที่น่าสงสัย ผู้ต้องสงสัย และข้อมูลอื่น ๆ ที่เป็นประโยชน์MDM จากมัลติมีเดียและเขตทำเหมืองข้อมูลพร้อมกับนำแข็งปัญหาท้าทายในฟิลด์เหล่านี้ ในแง่ของความแข็งแรง เราสามารถพูดภาพ เสียงวิดีโอเพิ่มเติมข้อมูลรวยกว่าข้อมูลข้อความธรรมดาเพียงอย่างเดียวในการโดเมน เป็นความรู้ที่ได้จากข้อมูลมัลติมีเดียดังกล่าวอย่างกว้างขวางเข้าใจ นอกจากนี้ อาจมีบางสถานการณ์มีไม่มีอื่นมีประสิทธิภาพวิธีการแสดงข้อมูลอื่นนอกเหนือจากการแสดงต่อเนื่องของสถานการณ์การทำเหมืองข้อมูลมัลติมีเดียเกี่ยวข้องมากขึ้นกว่าของข้อมูลทางธุรกิจแบบดั้งเดิมเนื่องจากข้อมูลมัลติมีเดียจะไม่มีโครงสร้างตามธรรมชาติ มีเขตข้อมูลไม่ชัดเจนข้อมูล มีความแม่นยำ และ nonambiguous และข้อมูลต้องดำเนินการมาถึงที่เขตข้อมูลที่สามารถให้ข้อมูลเนื้อหา ประมวลผลดังกล่าวมักนำไปสู่เพื่อผลลัพธ์ที่ซ้ำกันกับการตีความไปได้หลาย ในความเป็นจริง ข้อมูลมัลติมีเดียมักอยู่ที่การตีความที่แตกต่างกันโดยมนุษย์ เช่น มันไม่ใช่เรื่องแปลกที่จะมีการตีความแตกต่างของภาพคนอื่นDiff อีก

ผลลัพธ์ (ไทย) 2:

ความก้าวหน้าบทคัดย่อในมัลติมีเดียเก็บข้อมูลและเทคโนโลยีการจัดเก็บได้
นำไปสู่การเจริญเติบโตของฐานข้อมูลมัลติมีเดียขนาดใหญ่มาก การวิเคราะห์นี้จำนวนมาก
ของข้อมูลมัลติมีเดียที่จะค้นพบความรู้ที่มีประโยชน์เป็นปัญหาที่ท้าทาย นี้
ความท้าทายที่ได้เปิดโอกาสสำหรับการวิจัยในการทำเหมืองข้อมูลมัลติมีเดีย
(MDM) มัลติมีเดียการทำเหมืองข้อมูลสามารถกำหนดเป็นกระบวนการในการหาที่น่าสนใจ
รูปแบบข้อมูลจากสื่อเช่นวิดีโอ, เสียง, ภาพและข้อความที่ไม่ปกติ
สามารถเข้าถึงได้โดยคำสั่งขั้นพื้นฐานและผลที่เกี่ยวข้อง แรงจูงใจสำหรับการทำ MDM
คือการใช้รูปแบบการค้นพบในการปรับปรุงการตัดสินใจ MDM ได้จึง
ดึงดูดความพยายามในการวิจัยอย่างมีนัยสำคัญในการพัฒนาวิธีการและเครื่องมือในการจัดระเบียบ,
การจัดการ, การค้นหาและดำเนินการโดเมนที่เฉพาะเจาะจงสำหรับข้อมูลจากโดเมนเช่น
การเฝ้าระวังการประชุมข่าวออกอากาศ, กีฬา, จดหมายเหตุ, ภาพยนตร์, ข้อมูลทางการแพทย์ตลอดจน
เป็นส่วนบุคคลและ คอลเลกชันสื่อออนไลน์ บทความนี้นำเสนอแบบสำรวจเกี่ยวกับปัญหา
และการแก้ปัญหาในการทำเหมืองข้อมูลมัลติมีเดียเดินไปจากการติดตาม
มุม: การสกัดคุณลักษณะการเปลี่ยนแปลงและการแสดงเทคนิคการทำเหมืองข้อมูล
เทคนิคและระบบการทำเหมืองข้อมูลมัลติมีเดียในปัจจุบันในแอพลิเคชันต่างๆ
โดเมน เราจะหารือถึงประเด็นหลักของการสกัดคุณลักษณะการเปลี่ยนแปลงและการแสดง
เทคนิค ด้านเหล่านี้คือ: ระดับของการสกัดคุณลักษณะคุณลักษณะฟิวชั่น
มีการประสานการค้นพบคุณลักษณะความสัมพันธ์และการเป็นตัวแทนที่ถูกต้อง
ของข้อมูลมัลติมีเดีย การเปรียบเทียบวิธี MDM กับรัฐของศิลปะ
การประมวลผลวิดีโอ, การประมวลผลเสียงและเทคนิคการประมวลผลภาพยังมีให้.
ในทำนองเดียวกันเราเปรียบเทียบเทคนิค MDM กับรัฐของเทคนิคการทำเหมืองข้อมูลศิลปะ
ที่เกี่ยวข้องกับการจัดกลุ่มจำแนกการทำเหมืองรูปแบบลำดับสมาคมกฎ
การทำเหมืองแร่และ การสร้างภาพ เราจะตรวจสอบในปัจจุบันระบบมัลติมีเดียการทำเหมืองข้อมูลใน
รายละเอียดการจัดกลุ่มพวกเขาตามสูตรปัญหาและวิธีการ การตรวจสอบ
รวมถึงการค้นพบภายใต้การดูแลและใกล้ชิดของเหตุการณ์และการกระทำจาก
ซี A. Bhatt (B) · MS Kankanhalli
โรงเรียนคอมพิวเตอร์มหาวิทยาลัยแห่งชาติสิงคโปร์, สิงคโปร์, 117417 สิงคโปร์
E-mail: [e-mail]~~V
เมตร เอส Kankanhalli
E-mail: [e-mail]
36 MultiMed เครื่องมือ Appl (2011) 51: 35-76
หรือมากกว่าลำดับอย่างต่อเนื่อง เรายังทำการวิเคราะห์รายละเอียดที่จะเข้าใจสิ่งที่ได้
รับความสำเร็จและสิ่งที่เป็นช่องว่างที่เหลืออยู่ที่ความพยายามในการวิจัยในอนาคตอาจ
จะเพ่งความสนใจไป แล้วเราสรุปการสำรวจครั้งนี้มีรูปลักษณ์ที่ทิศทางการวิจัยเปิด.
คำสำรวจ·เนื่องการทำเหมืองข้อมูล·ความน่าจะเป็นชั่วคราวมัลติมีเดีย
การทำเหมืองข้อมูล·การทำเหมืองแร่วิดีโอ·การทำเหมืองแร่และเสียง·การทำเหมืองแร่ภาพ·การทำเหมืองข้อความ
1 บทนำ
ในปีที่ผ่านข้อมูลมัลติมีเดียเช่นภาพ, เสียง, วิดีโอข้อความกราฟิกภาพเคลื่อนไหว
และข้อมูลอื่น ๆ ทางประสาทสัมผัสต่อเนื่องมีการเติบโตในอัตราที่เป็นปรากฎการณ์และมีความ
แพร่หลายเกือบ เป็นผลให้ไม่เพียง แต่วิธีการและเครื่องมือในการจัดระเบียบในการจัดการ
และการค้นหาข้อมูลดังกล่าวได้รับความสนใจอย่างกว้างขวาง แต่วิธีการและเครื่องมือที่จะ
ค้นพบความรู้ที่ซ่อนอยู่จากข้อมูลดังกล่าวได้กลายเป็นสิ่งสำคัญอย่างยิ่ง
งานของการพัฒนาวิธีการดังกล่าวและเครื่องมือที่จะหันท้าทายที่ยิ่งใหญ่ในการเอาชนะ
ช่องว่างความหมายของข้อมูลมัลติมีเดีย แต่ในความรู้สึกบางอย่างเทคนิค datamining
กำลังพยายามที่จะลดช่องว่างความหมายนี้ในเครื่องมือวิเคราะห์ นี้เป็นเพราะเช่น
เครื่องมือสามารถอำนวยความสะดวกในการตัดสินใจในหลาย ๆ สถานการณ์ การทำเหมืองข้อมูลหมายถึง
กระบวนการในการหารูปแบบที่น่าสนใจในข้อมูลที่ไม่สามารถเข้าถึงได้โดยปกติ
คำสั่งขั้นพื้นฐานและผลที่เกี่ยวข้องโดยมีวัตถุประสงค์ของการใช้รูปแบบการค้นพบในการ
ปรับปรุงการตัดสินใจ [104] ยกตัวอย่างเช่นมันอาจจะไม่เป็นไปได้ง่ายตรวจสอบ
เหตุการณ์ที่น่าสงสัยโดยใช้ระบบการเฝ้าระวังที่เรียบง่าย แต่เครื่องมือ MDM ที่ดำเนิน
การทำเหมืองแร่ในวิถีจับจากวิดีโอเฝ้าระวังอาจจะช่วยหา
พฤติกรรมที่น่าสงสัยผู้ต้องสงสัยและข้อมูลที่เป็นประโยชน์อื่น ๆ .
MDM นำในจุดแข็งจากทั้งมัลติมีเดียและสาขาการทำเหมืองข้อมูลพร้อมกับ
ปัญหาที่ท้าทายในสาขาเหล่านี้ ในแง่ของความแข็งแรงของเราสามารถพูดได้ภาพเสียง
ฯลฯ วิดีโอข้อมูลเพิ่มเติมที่อุดมไปด้วยกว่าข้อมูลที่เป็นข้อความง่าย ๆ เพียงอย่างเดียวในส่วนของ
โดเมน ความรู้ที่มีอยู่จากข้อมูลมัลติมีเดียเช่นสามารถในระดับสากล
ที่เข้าใจ นอกจากนี้ยังอาจมีบางสถานการณ์ที่ไม่มีประสิทธิภาพอื่น ๆ
วิธีที่จะแสดงข้อมูลอื่น ๆ นอกเหนือจากการแสดงต่อเนื่องของ
สถานการณ์.
การทำเหมืองข้อมูลมัลติมีเดียที่เกี่ยวข้องมากขึ้นกว่าที่ของข้อมูลทางธุรกิจแบบดั้งเดิม
เนื่องจากข้อมูลมัลติมีเดียที่ไม่มีโครงสร้างโดยธรรมชาติ ไม่มีทั้งกำหนดเขตข้อมูล
ของข้อมูลที่มีความหมายได้อย่างแม่นยำและ nonambiguous และข้อมูลที่จะต้องดำเนินการที่จะ
ประสบความสำเร็จในสาขาที่สามารถให้ข้อมูลเนื้อหา การประมวลผลดังกล่าวมักจะนำ
ไปสู่ผลลัพธ์ที่ไม่ซ้ำกับการตีความไปได้หลาย ในความเป็นจริงข้อมูลมัลติมีเดีย
มักจะขึ้นอยู่กับการตีความที่แตกต่างกันได้โดยมนุษย์ ยกตัวอย่างเช่นมัน
ไม่ใช่เรื่องแปลกที่จะมีการตีความที่แตกต่างกันของภาพโดยคนที่แตกต่างกัน.
diff อีก

ผลลัพธ์ (ไทย) 3:

นามธรรมก้าวหน้าในการได้มาของข้อมูลและการจัดเก็บเทคโนโลยีมัลติมีเดียที่นำไปสู่การเจริญเติบโตของฐานข้อมูลมัลติมีเดียขนาดใหญ่มาก การวิเคราะห์ปริมาณขนาดใหญ่นี้ข้อมูลมัลติมีเดียเพื่อค้นพบความรู้ที่เป็นประโยชน์เป็นปัญหาที่ท้าทาย . นี้ความท้าทายได้เปิดโอกาสสำหรับการวิจัยในการทำเหมืองข้อมูลมัลติมีเดีย( คุณนาย ) มัลติมีเดียการทำเหมืองข้อมูลสามารถกำหนดเป็นกระบวนการของการค้นหาที่น่าสนใจรูปแบบข้อมูลจากสื่อเช่นวิดีโอ , เสียง , ภาพและข้อความที่ไม่ปกติผลลัพธ์ที่ได้ โดยข้อมูลพื้นฐานและที่เกี่ยวข้อง แรงจูงใจสำหรับการทำมาดามคือการค้นพบรูปแบบเพื่อปรับปรุงการตัดสินใจ คุณนายได้ดังนั้นดึงดูดความพยายามวิจัยอย่างมีนัยสำคัญในการพัฒนาวิธีการและเครื่องมือในการจัดระเบียบจัดการ , ค้นหาและแสดงงานเฉพาะโดเมน สำหรับข้อมูลจากโดเมนเช่นการเฝ้าระวัง , ประชุม , ข่าว , กีฬา , เก็บ , ภาพยนตร์ , ข้อมูลทางการแพทย์ได้เป็นอย่างดีเป็นส่วนบุคคลและสื่อออนไลน์คอลเลกชัน บทความนี้นำเสนอผลการสำรวจปัญหาและโซลูชั่นในการทำเหมืองข้อมูลมัลติมีเดีย ก็จากต่อไปนี้มุม : การสกัดคุณลักษณะ เทคนิคการแปลงและการแสดง , การทําเหมืองข้อมูลเทคนิคการทำเหมืองข้อมูลมัลติมีเดียและระบบในโปรแกรมต่าง ๆในปัจจุบันโดเมน เราหารือเกี่ยวกับประเด็นหลักของการเปลี่ยนแปลงและการแยกคุณลักษณะเทคนิค ประเด็นเหล่านี้คือ : ระดับของการสกัดคุณลักษณะคุณลักษณะ ฟิวชั่นคุณสมบัติการประสานความสัมพันธ์และการค้นพบคุณสมบัติถูกต้องข้อมูลมัลติมีเดีย การเปรียบเทียบเทคนิคคุณนายกับรัฐของศิลปะการประมวลผลวิดีโอการประมวลผลเสียงและเทคนิคการประมวลผลภาพที่มีให้ยังในทำนองเดียวกัน เราเปรียบเทียบ คุณนายเทคนิคด้วยรัฐของศิลปะเทคนิคข้อมูลเหมืองแร่ที่เกี่ยวข้องกับการจัดกลุ่ม การจัดหมวดหมู่ เหมืองแร่แบบแผนลำดับกฎสมาคมการทำเหมืองและ เราทบทวนปัจจุบันการทำเหมืองข้อมูลในระบบมัลติมีเดียรายละเอียด จัดกลุ่มตามสูตรปัญหาและวิธี ความคิดเห็นที่รวมถึงการดูแลและการค้นพบ unsupervised ของเหตุการณ์และการกระทำจากC . A . bhatt ( B ) S . kankanhalli ด้วยม.โรงเรียนสอนคอมพิวเตอร์ , มหาวิทยาลัยแห่งชาติสิงคโปร์ , สิงคโปร์ , 117417 , สิงคโปร์[e-mail] E-mail :เอ็ม เอส [e-mail] E-mail :36 multimed App เครื่องมือ ( 2011 ) 51:35 – 76มีเพิ่มเติมดังนี้ เรายังทำรายละเอียดการวิเคราะห์จะเข้าใจสิ่งที่มีได้รับแล้วจะเหลือช่องว่างที่ความพยายามในการวิจัยในอนาคตอาจถูกไข่ . เราจึงสรุปการสำรวจนี้กับดูทิศทางการวิจัยเปิดข้อมูลการสำรวจด้วยแบบ Data Mining ด้วยการชั่วคราว มัลติมีเดียการทำเหมืองข้อมูลด้วยวิดีโอเสียงภาพเหมืองเหมืองเหมืองด้วยด้วยด้วยข้อความ เหมืองแร่1 แนะนำในปีล่าสุด , ข้อมูลมัลติมีเดียเช่นรูปภาพ , เสียง , วิดีโอ , ข้อความ , กราฟิก , ภาพเคลื่อนไหวและข้อมูลทางประสาทสัมผัสอื่น ๆหลายระบบ มีการเติบโตในอัตราที่มหัศจรรย์และเกือบทุกที่ เป็นผลให้ไม่เพียง แต่วิธีการและเครื่องมือในการจัดระเบียบ จัดการและการค้นหาข้อมูลดังกล่าวได้รับความสนใจอย่างกว้างขวาง แต่วิธีการและเครื่องมือค้นพบความรู้ที่ซ่อนอยู่จากข้อมูลดังกล่าวได้กลายเป็นที่สำคัญมาก ที่งานของการพัฒนาวิธีการและเครื่องมือที่กำลังเผชิญความท้าทายครั้งใหญ่ของการเอาชนะช่องว่างทางข้อมูลมัลติมีเดีย แต่ในบางความรู้สึก เทคนิคดาต้าไมน์นิ่งพยายามที่สะพานช่องว่างในทางเครื่องมือวิเคราะห์ นี้เป็นเพราะ เช่นเครื่องมือสามารถช่วยในการตัดสินใจในสถานการณ์ต่างๆ . การทำเหมืองข้อมูล หมาย ถึงกระบวนการของการค้นหาที่น่าสนใจในรูปแบบข้อมูลที่ไม่สามารถเข้าถึงได้ตามปกติโดยข้อมูลพื้นฐาน และผลที่เกี่ยวข้องกับวัตถุประสงค์ของการใช้รูปแบบการค้นพบปรับปรุงการตัดสินใจ [ 104 ] ตัวอย่างเช่นมันอาจไม่สามารถตรวจสอบได้อย่างง่ายดายเหตุการณ์ที่น่าสงสัยโดยใช้ระบบการเฝ้าระวังแบบง่ายๆ แต่คุณนายเครื่องมือที่แสดงทำเหมืองในจับวิถีจากวิดีโอการเฝ้าระวัง อาจช่วยให้พบพฤติกรรมน่าสงสัย น่าสงสัย และข้อมูลที่เป็นประโยชน์อื่น ๆคุณนายนำจุดแข็งทั้งมัลติมีเดียและเหมืองแร่ สาขาข้อมูล พร้อมกับปัญหาที่ท้าทายในเขตข้อมูลเหล่านี้ ในแง่ของความแข็งแรง เราสามารถพูดได้ว่า ภาพ , เสียงวิดีโอ ฯลฯ ข้อมูลเพิ่มเติมมากมายกว่าข้อความธรรมดาอย่างเดียว ในส่วนของข้อมูลโดเมน ความรู้ที่มีอยู่ จากข้อมูลดังกล่าวสามารถครอบคลุมมัลติมีเดียที่เข้าใจได้ง่าย นอกจากนี้ อาจมีบางสถานการณ์ที่ไม่มีอื่น ๆที่มีประสิทธิภาพวิธีที่จะเป็นตัวแทนของข้อมูลอื่นที่ไม่ใช่แบบตัวแทนสถานการณ์เหมืองแร่ของข้อมูลมัลติมีเดียที่เกี่ยวข้องกว่าที่ข้อมูลทางธุรกิจแบบดั้งเดิมเนื่องจากข้อมูลมัลติมีเดียที่ไม่มีโครงสร้างโดยวิธีธรรมชาติ ไม่มีช่องต่อข้อมูลโดยละเอียด และ nonambiguous ความหมาย และข้อมูลที่ต้องประมวลผลเพื่อมาถึงที่เขตข้อมูลที่สามารถให้ข้อมูลเนื้อหา การประมวลผลแบบนี้บ่อยนักไม่เฉพาะกับการตีความที่เป็นไปได้หลาย ในความเป็นจริง , ข้อมูลมัลติมีเดียเป็นบ่อยเรื่องการตีความที่แตกต่างกันได้โดยมนุษย์ ตัวอย่างเช่นไม่ใช่เรื่องแปลกที่จะมีการตีความของภาพที่แตกต่างกันโดยคนที่แตกต่างกันอีกดิ