机构名称：
¥ 1.0
引言我们正目睹异构数据的急剧增长，它由一组复杂的跨媒体内容组成，如文本、图像、视频、音频、图形、时空数据和多元时间序列。现代计算机科学技术的诞生为数据和信息的分析、收集、存储和组织，以及向客户提供产品和服务提供了非常强大和高科技的解决方案。最近，技术进步，特别是大数据形式的技术进步，导致大量具有潜在价值的数据以各种格式存储。这种情况对开发有效的算法和框架带来了新的挑战，以满足大数据表示和分析、知识理解和发现的强烈要求。现在是探索异构大数据学习和发现的先进理论和技术的时候了，这也是本专题的重点。其中包括数据获取、特征表示、时间序列分析、知识理解、基于数据的建模、降维、语义建模等理论，以及图像/视频字幕、情感计算、多媒体叙事、互联网商务、医疗保健、地球系统、通信、增强/虚拟现实等新颖且有前景的大数据分析研究方向。本专题的投稿来自公开的征文，经过严格的同行评审，最终有 67 篇文章被接受。从应用方面来看，这些文章涵盖了大数据分析的多个场景，如运动想象、网络化医疗系统、宣传翻译、网络安全通信、图像加密、股票市场、社交媒体理解、图像识别和其他应用。从技术方面来看，它们涵盖了计算机视觉、时间序列分析和机器学习的各个方面，例如复杂网络、多模态特征融合、深度学习、主成分分析和相似性扩散。以下是本专题文章的摘要：在 [A1] 中，刘等人。通过探索波动模式之间的演化关系，从时间序列构建了一个复杂网络。他们选择了全球六个股票指数作为样本数据。结果表明，对于这六个
IEEE Access 专题社论：大数据学习与发现
主要关键词
相关文件推荐
