面向军事情报的多媒体大数据分析与展示

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    U1435211
  • 项目类别:
    联合基金项目
  • 资助金额:
    150.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0210.计算机图像视频处理与多媒体技术
  • 结题年份:
    2018
  • 批准年份:
    2014
  • 项目状态:
    已结题
  • 起止时间:
    2015-01-01 至2018-12-31
  • 项目参与者:
    桑基韬; 汪萌; 刘学亮; 张天柱; 鲍秉坤; 郭丹; 程斌; 方全; 袁召全;
  • 关键词:

项目摘要

We are now in big data era, where multimedia rises as the major carrier and important application object. Military intelligence has an obvious.multimedialization trend and exhibits the typical characteristics of big data, such as rapid increase and huge volume, rich sources and diverse types, and low value density. Such characteristics brings not only challenges for multimedia research but also opportunities for emerging applications in military intelligence. This proposal will focus on two key scientific issues: data knowledgization, and knowledge visualization, to research complex multimedia analysis and demonstration. Specific tasks include: (1) researching intelligent multimedia data analysis and obtianing multimedia association knowledge by unified representation learning and knowledge graph construction; (2) researching multimedia resource demonstration and achieving deep and wide demonstration of search results by integrating visualized data selection, heterogeneous and interactive visualization. The research outcome will provide the foundamental theories and key technique support for applications in (1) multimedia military intelligence filtering, mining and analysis; and (2) military intelligence collection, organization and demonstration under the open environment. This is expected to enhance the role of multimedia research in web-based multimedia information awareness, service and regulatory.
人类已经进入大数据时代,多媒体是大数据的主要载体和重要应用对象。军事情报具有显著的多媒体化的趋势,并表现出大数据的典型特征,如增长迅速、体量大,来源丰富、类型多样,价值密度低等。这些大数据特征为多媒体研究带来了挑战,同时为大数据背景下的军事情报应用带来了机遇。面对这些特点,项目凝练了数据知识化和知识可视化两个关键科学问题,研究大数据环境下复杂多媒体的分析和展示。具体包括:研究智能多媒体分析,通过统一表示学习和知识图谱构建获得多媒体关联知识;研究立体多媒体展示,整合可视数据选择、异构可视化和交互可视化,实现搜索结果的深度和广度展示。研究结果有望为多媒体军事情报大数据的筛选、挖掘和分析,以及开放式网络环境下军事情报的收集展示等应用提供基础理论和关键技术支持,使多媒体研究更好地在多媒体信息感知、服务和监管等方面发挥作用。

结项摘要

人类已经进入大数据时代,多媒体是大数据的主要载体和重要应用对象。军事情报具有显著的多媒体化的趋势,并表现出大数据的典型特征,如增长迅速、体量大,来源丰富、类型多样,价值密度低等。这些大数据特征为多媒体研究带来了挑战,同时为大数据背景下的军事情报应用带来了机遇。面对这些特点,项目凝练了数据知识化和知识可视化两个关键科学问题,研究大数据环境下复杂多媒体的分析和展示。具体包括:研究智能多媒体分析,通过统一表示学习和知识图谱构建获得多媒体关联知识;研究立体多媒体展示,整合可视数据选择、异构可视化和交互可视化,实现搜索结果的深度和广度展示。项目研制了军事情报多媒体大数据分析展示系统,研发了网络军事情报多媒体大数据实时采集获取技术,可采集TB级到PB级以上的军事多媒体大数据;建立了大规模军事主题知识图谱构建流程,构建了十万级军事实体知识图谱库;研发了异构多模态军事情报数据语义结构化搜索机制,结构化搜索准确率达到90%以上;提出了多维度立体化的军事情报展示模式,能够便捷地满足军事情报的获取信息与决策的需求。项目发表学术论文72篇,其中IEEE/ACM汇刊论文40篇;包括领域顶级会议ACM Multimedia、CVPR在内的国际会议论文29篇。研究结果能够为多媒体军事情报大数据的筛选、挖掘和分析,以及开放式网络环境下军事情报的收集展示等应用提供基础理论和关键技术支持,使多媒体研究更好地在多媒体信息感知、服务和监管等方面发挥作用。

项目成果

期刊论文数量(41)
专著数量(0)
科研奖励数量(0)
会议论文数量(24)
专利数量(7)
Activity sensor: Check-in usage mining for local recommendation
活动传感器:签到使用情况挖掘以进行本地推荐
  • DOI:
    10.1145/3597066.3597121
  • 发表时间:
    2015
  • 期刊:
    ACM Transactions on Intelligent Systems and Technology
  • 影响因子:
    5
  • 作者:
    Sang Jitao;Mei Tao;Xu Changsheng
  • 通讯作者:
    Xu Changsheng
Folksonomy-Based Visual Ontology Construction and Its Applications
基于Folksonomy的视觉本体构建及其应用
  • DOI:
    10.1109/tmm.2016.2527602
  • 发表时间:
    2016
  • 期刊:
    IEEE Transactions on Multimedia
  • 影响因子:
    7.3
  • 作者:
    Fang Quan;Xu Changsheng;Sang Jitao;Hossain M. Shamim;Ghoneim Ahmed
  • 通讯作者:
    Ghoneim Ahmed
Online Multimodal Multiexpert Learning for Social Event Tracking
用于社交事件跟踪的在线多模式多专家学习
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    IEEE Transactions on Multimedia
  • 影响因子:
    7.3
  • 作者:
    Shengsheng Qian;Tianzhu Zhang;Changsheng Xu
  • 通讯作者:
    Changsheng Xu
Spin Contour
旋转轮廓
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    IEEE Transactions on Multimedia
  • 影响因子:
    7.3
  • 作者:
    Luming Liang;Mingqiang Wei;Andrzej Szymczak;Wai-Man Pang;Meng Wang
  • 通讯作者:
    Meng Wang
Relational User Attribute Inference in Social Media
社交媒体中的关系用户属性推断
  • DOI:
    10.1109/tmm.2015.2430819
  • 发表时间:
    2015
  • 期刊:
    IEEE Transactions on Multimedia
  • 影响因子:
    7.3
  • 作者:
    Fang Quan;Sang Jitao;Xu Changsheng;Hossain M. Shamim
  • 通讯作者:
    Hossain M. Shamim

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

文本特征提取的研究进展
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    南京信息工程大学学报(自然科学版)
  • 影响因子:
    --
  • 作者:
    曾明睿;袁梦奇;邵曦;鲍秉坤;徐常胜
  • 通讯作者:
    徐常胜
时间一致性保持的多任务稀疏深度表达视觉跟踪
  • DOI:
    10.11896/jsjkx.200800212
  • 发表时间:
    2021
  • 期刊:
    计算机科学
  • 影响因子:
    --
  • 作者:
    郭文;尹童灵;张天柱;徐常胜
  • 通讯作者:
    徐常胜
基于黎曼流型度量的人工鱼群算法视觉跟踪
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    计算机科学
  • 影响因子:
    --
  • 作者:
    丁昕苗;郭文;徐常胜;DING Xin-miao1 GUO Wen1;2 XU Chang-sheng2 (Electro
  • 通讯作者:
    2 XU Chang-sheng2 (Electro
Social event recognition method based on visual attributes
基于视觉属性的社交事件识别方法
  • DOI:
    10.30822/arteks.v6i2.691
  • 发表时间:
    2014-07-30
  • 期刊:
    ARTEKS : Jurnal Teknik Arsitektur
  • 影响因子:
    --
  • 作者:
    徐常胜;杨小汕;张天柱
  • 通讯作者:
    张天柱
多模态多层次事件网络的谣言检测
  • DOI:
    --
  • 发表时间:
    2021
  • 期刊:
    中国图象图形学报
  • 影响因子:
    --
  • 作者:
    李莎;张怀文;钱胜胜;方全;徐常胜
  • 通讯作者:
    徐常胜

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

徐常胜的其他基金

面向领域大数据的跨媒体可解释分析与推理
  • 批准号:
  • 批准年份:
    2020
  • 资助金额:
    308 万元
  • 项目类别:
    重点项目
大数据环境下复杂多媒体内容分析、推送与展示
  • 批准号:
    61432019
  • 批准年份:
    2014
  • 资助金额:
    350.0 万元
  • 项目类别:
    重点项目
基于2D视频视觉关注度的3D重建方法研究
  • 批准号:
    60970092
  • 批准年份:
    2009
  • 资助金额:
    30.0 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码