多媒体数据范文
多媒体数据范文（精选12篇）
多媒体数据 第1篇
1 多媒体数据处理技术概述
最近几年, 许多企业开始采用计算机系统管理文档、财务数据等, 为了更好的处理内容复杂、信息量大的数据, 必须提供数据与程序的独立性, 数据库系统的应用满足了上述需求。但是随着时代的发展, 出现了许多大量多媒体数据, 它们不仅数据量大, 而且不同存储媒体间有很大差异, 具有实时性要求, 使数据库的结构形式发生了改变, 在管理多媒体数据时除了要考虑版本控制问题之外, 还要具备处理长事务的能力。因此, 多媒体数据处理技术应具备以下功能: (1) 表达并处理以视频、声音、图形等无格式数据为主的多媒体数据; (2) 可以管理并反映不同多媒体数据间的空间与时间关联以及多媒体数据的特征; (3) 以内容为基础进行查询; (4) 具备版本控制与处理长事务的能力; (5) 具有网络功能; (6) 运用不同操作方法处理不同的多媒体数据; (7) 具有开放性。
2 数据库中多媒体数据的处理技术
2.1 数据流技术
应用数据流技术处理多媒体技术的基础是高级数据库接口技术ADO, 它能使通过任何OLE.DB提供者的客户端应用程序对数据库服务器内的数据进行访问与操作。ADO具有磁盘遗迹小、内存支出少、速度快、易于使用等优点, 用户为了对数据库内的数据加以访问, 能够在ADO的基础上编写应用程序, 它支持的功能主要有Web的应用程序与建立服务器/客户端, 另外, 通过它还可以实现“远程数据访问”, 使服务器中的数据通过来回传输后移动至Web页或客户端应用程序中, 接着可以在客户端操作得到的数据, 更新后将其发往服务器即可。
在VB中利用数据流对象对多媒体数据进行操作的步骤主要有四个。首先打开数据库登录程序, 其次是“定位文件”按钮, 通过它能够得到某个磁盘文件的路径, 以便在数据库中保持多媒体文件, 假如为图片, 需要在图画框中显示, 假如为声音视频文件, 直接播放即可。在工具箱中添加Microsoft command Dialog控件, 并通过“菜单/工具/部件”选择。接着, 在数据库中保存数据。通常需要通过“菜单/工具”中的引入选项将Stream对象引入ADO2.5中。最后在读取数据库中的多媒体数据时, 要采用MSFlex Grid控件使网格数据显示出来, 或者对其实施操作。该空间提供的格式设置、网格合并与排序等功能十分灵活, 还能将图片与字符串加入网格之中。因此, 必须通过“菜单/工具”中的部件选项在工程中添加MSFlex Grd.oex文件, 对其中一行双击后, 以鼠标返回的位置为依据, 找到需要数据库中读取的数据。该方法主要是将Stream引入AS02.5中, 从而实现对二进制大对象数据的访问与修改。
2.2 Filed对象中的方法
数据访问对象 (Database Access Object) 缩写为DAO, 通过它能够建立全功能应用程序, 用来访问现有数据库, 还可以创建数据库, 相当于数据库引擎面向对象的一个接口。其中, ODBC服务器/客服数据库, 比如Microsoft SQL Server等, 以及Microsoft Fox Pro、d Base、Microsoft Access等现在流行的不同格式的数据库均属于现有的数据库。实现结构化数据库系统的创建与访问后, 编程也变得更加方便, 不仅可以将已存在的数据库应用于程序之中, 还允许其他程序与应用程序间进行数据共享, 并且实现编程的简化, 不需要再对低级文件的查找与访问进行处理。
应用Filed对象中的方法在VB中处理多媒体数据时, 主要的操作步骤共有三个。首先是打开数据库登录程序。其次是在数据库中保存数据。同数据流处理技术中的ADO相同, 应用Filed对象中的方法也需要设置“定位文件”按钮事件, 运用Append Chunk方法进行保存。在此过程中, 注意指定块的大小和文件中数据的长度, 以此为依据明确文件中数据长度能分的块数以及不足一块的大小先对不足一块的部分进行处理, 接着处理剩下的数据。最后一步就是读取数据库中的数据, 与ADO中的方法一样, 需要使用MSFlex Grid控件, 将文件分块处理后读取数据。
2.3 应用Power Builder处理多媒体数据
作为数据库开发工具, Power Builder本身具有和不同数据库的接口, 它的数据库窗口对象十分出色, 对数据库进行操作时有很大的优势, 例如功能强大、快捷、方便等。与此同时, Power Builder还能够开发多媒体界面, 它早期虽然没有强大的多媒体数据处理功能, 但是经过一系列改革, 处理技术得到了极大改进。嵌入式数据库语言结合Power Builder中包含的Blob数据类型能够达到多媒体数据在数据库间直接交互的目的, 在处理多媒体数据时非常方便。
3 结语
为了处理类型各异、形式多样的多媒体数据, 数据库必须具备表达视频、声音、图形等无格式数据的能力, 能够将各种多媒体数据间的空间、时间关联或多媒体数据的特征反映出来, 并且具有网络功能等。利用Filed对象中的方法、数据流技术以及Power Builder都可以处理多媒体技术, 使其实现有关的功能, 在使用时应结合具体的多媒体数据选择合适的处理技术, 保证数据库系统高效运行。
参考文献
[1]陈华光, 杨泽凡, 张晓清.数据库中多媒体数据的成批处理方法[J].计算机时代, 2012, (02) :33-34.
[2]叶成林, 徐福荫, 任光杰.多媒体数据库及其教育应用[J].中国电化教育, 2014, (9) :100-103.
新媒体运营数据分析工具 第2篇
来源：安迪大叔 知运营大学
优质的内容是新媒体运营的核心，而数据分析可以帮助我们解决很多问题，定方向、降成本、节开支等等。什么数据最值得去看呢，那必然就是各大自媒体平台的数据，它是新媒体平台中最具有参考性的数据。
必备的新媒体数据分析工具？
1，新榜
互联网渠道的价值标准：以日、周、月、年为周期,按24大分类权威发布以微信为代表的中国各自媒体平台最真实、最具价值的运营榜单,方便用户了解新媒体整体发展情况,为用户提供有效的参考导向…
2，清博大数据
中国新媒体大数据权威平台：清博大数据拥有清博指数、清博舆情、营广公品等多个核心产品。提供微信、微博、头条号等新媒体排行榜,广告交易、舆情报告、数据咨询...3，神策数据
多维度数据实时分析，事件分析，漏斗分析，留存分析，分布分析等8大分析模型，轻松搞定数据分析需求。即使调整运营策略，提高运营效果。深度洞察用户行为，深入了解用户是从哪里来，又在哪里消失，找到新的产品增长点，驱动产品优化迭代与提升运营效果，自定义多维度分析场景，可私有化部署的数据分析平台…
4，GrowingIO 实时采集用户行为数据，可视化实时出图。GrowingIO营运数据分析，多维分析更精准GrowingIO拥有国内颗粒度更细致的用户行为洞察系统，帮助运营人员灵活定制推广方案。
5，伯格运营
运营助手，运营管家...对于企业来说公众号运营的安全很重要，有了伯格运营质量诊断，再加上违规文章库，为公众号的健康起到保驾护航的作用...6，数说风云
一个实时、维度全面的微信排行与监控工具。微信运营监控，自媒体全行业分类排行榜。
7，易赞
易赞搭建了自媒体与广告主对接的社会化媒体营销平台。目前平台提供公众号用户画像查询及新媒体观象台大数据。可以通过易赞官方网站及公众号“易赞”获得数据查询及分析。
8，微指数
国内领先的微信大数据领导品牌，为广告公司、微信号运营者、新媒体行业和传统企业机构，提供微信运营、微信营销、微信推广相关的最专业的大数据服务。
9，西瓜数据
专业的微信公众号大数据服务商：收集380万公众号数据，4亿篇公众号发文记录提供广告价值预估，地区行业热门公众号排行。分钟级阅读量监控，全网竞品搜索监控，是公众号运营及广告投放效果监控首选大数据工具。
10，微信指数
是微信整合了微信上的搜索和浏览行为数据，基于对海量云数据的分析，从而形成当日、7日内、30日内以及90日内的“关键词”的动态指数变化情况，方便人们看到某个词语在一段时间内的热度趋势和最新指数动态。
11，大数据导航网
谈高职多媒体数据库课程教学创新 第3篇
关键词：多媒体数据库课堂 高职学生 创新能力 培养途径
创新是人类社会进步和发展的永恒主题。随着社会对大学生求职者综合素质要求的不断提高，高校如何培养符合社会需要的大学生，如何真正做到“零距离”上岗，这是一个需要高等教育工作者不断思考的问题。而关注大学生创新能力的培养是解决这一问题的关键所在。特别对于高职院校的大学生.在求职中要在众多的本科生中脱颖而出.就需要具备与时俱进的思维观念和扎实过硬的操作能力，而这些观念和能力的培养。就要求我们不仅要关注创新.而且要真正做到创新。在此我提出以下几条培养途径，供大家参考。
1.构建合理的多媒体数据库课程体系。培养符合市场需求的创新型人才
一套合理的、紧跟时代的教学体系是保证学生就业率的前提条件。培养大学生创新精神和创新能力的关键，也在于建立一套合理的课程体系，优化课程设置和课程结构，课程开设要紧密跟上时代的步伐与行业的需求，力求保持在现代科技发展前沿。然而，目前多数院校所开设的课程、使用的教材都比较陈旧.完全跟不上高速发展的IT行业，甚至有些课程所使用的工具还是十年前的产品。如此学生真可谓是“还未上岗就已下岗”。那么，如何构建一个合理的多媒体数据库课程体系呢？
1.1 找准培养目标的定位，构建合理的多媒体数据库专业课程群。
高职院校不同于本科院校，在办学理念上要追求自己的特色，以特色求质量，以质量求发展。因此，要培养什么样的学生.首先要抓住院校办学的定位。江西旅游商贸职业学院是一所以培养全方位复合型人才的特色高职院校.其办学定位是为旅游、商贸行业培养符合条件的人才。因此，我院的多媒体数据库课程体系在对整个旅游、商贸行业进行系统分析调研后，形成了以旅游为主的专业课程群。课程的开设始终保持与行业前沿同步，培养出来的学生同时具备了多媒体数据库和旅游行业两方面的知识.而其专业是旅游方向。正因为我院的办学定位准确、特色鲜明，培养出来的学生专业针对性强，学生的就业率得到了明显的提高。
1.2 把竞赛作为课程体系改革中的催化剂。
传统的多媒体数据库学习只强调从理论上对知识进行理解，对实践环节的重视程度相对不够：另外，多数学生对于软件程序的编写兴趣明显不足，课堂上只凭老师的讲授往往得不到好的教学效果，这些现象最终造成学生编程能力差 实践经验严重不足，出现许多“高分低能”的现象。如何改变这一状况.采取何种措施来激励学生的学习热情呢？将竞赛融人到课程体系中是一条解决途径。我们可以鼓励学生参加各种类型的竞赛活动为手段，以练促学，以赛促学。此外，多媒体数据库专业课程的实训计划采用三级竞赛机制：第一级是基础课程学习，老师带领学生广泛参加。定期举行课程学习比赛，激发学生对程序设计的兴趣，强化学生参加竞赛的意识，让大多数学生具备基本的编程能力；第二级是定期在学院范围内举行多媒体数据库程序设计大赛、网页设计大赛、动画设计大赛等各类型的竞赛，加大各项赛事宣传力度，鼓励学生人人参与，并对取得佳绩的学生予以重獎，比如给予一定的学分、减修部分课程、奖学金评定给予学习单项奖或学习优秀奖等。健全的竞赛评价激励机制，对学生参赛也极具诱惑力；第三级从学院竞赛中挑选出部分优异学生，利用业余时间进行组队训练，为省级、国家级多媒体数据库大赛做准备。另外，也可经常和其他兄弟院校的学生展开竞赛，相互交流学习。
1.3 改革考试模式.加强学生实际编写测试程序的能力。
目前，大多数院校仍然采用笔试作为测试学生多媒体数据库能力水平的依据。显然，这种方法不仅不能真实地判断学生的学习效果。而且不利于学生解疑能力的锻炼。而采用网络化考试，学生在编写程序的过程中不仅能及时发现错误予以修正，而且能充分锻炼学生遇到问题及时分析和处理的能力。网络化考试不仅给了学生足够的空间来展示自己分析问题和解决问题的能力，而且从考试的结果中学生解决问题的方法并不是千篇一律，却也能得到正确的结果。在程序设计的过程中.学生就已经实现了创新。
2.教师要具备创新观念，改变授课的内容和方法
2.1 导入的创新。新授课方式的导入有“教师导语导入法”“复习式导入法”等。导入多媒体数据库课程方法很多，应该根据不同的课程内容来决定。如教师第一次给学生上课的时候一般喜欢用多媒体影像播放导入。这种导入方法的影像设计很直观。好的导入，特别是第一次和新生接触时会给学生留下深刻的印象，也可能因为良好的开端，就会让学生喜欢上老师的课。
2.2、内容的创新。授课内容的创新是指教师的讲授多媒体数据库课程不要照本宣科，要讲透本教材德内容。在教学内容上，教师不要脱离现行数据库教材；教师要善于对数据库教材内容作必要的整合、提炼和加工，不能照搬教材。鼓励教师开展教研活动，互相听课，互相学习，互相研究。
2.3以案例、竞赛驱动教学，重视学生的系统开发能力。
案例教学法是一种理论联系实际，启发式的教学相长的教学过程。它要求教学以案例为基本教材，在教师的指导下，运用多种形式启发学生进行独立思考，对案例所提供的材料和问题进行分析研究，提出见解，作出判断和决策，藉以提高学生分析问题和解决问题的能力。教师在授课中应尽量结合企业实际情况讲授一些经典的案例供学生参考学习.这样可以使学生加深学习印象，提高学习兴趣。此外，竞赛驱动教学也是一种好的教学模式。可以利用三级竞赛机制，以完成竞赛为目标，针对性地训练学生系统开发的能力。学生在学习的过程中目标明确，内容具体，参加竞赛若能完成系统的开发，无疑将极大地增强兴趣和自信心
总之，创新是一个民族进步的灵魂，国家兴旺发达的不竭动力。为当今社会培养合格的创新型人才是教育工作者义不容辞的责任和任务。在科学技术飞速发展的今天，多媒体数据库教师应充分运用现代化教育技术，培养学生的创新思维和能力，为全面深化素质教育，为学生将来发展成为创新型人才奠定坚实的基础。
参考文献：
[1]蔡润芹.在多媒体数据库教学中培养大学生综合素质的思考[J].辽宁行政学院学报，2007.9
多媒体数据库的管理与数据挖掘研究 第4篇
管理多媒体数据库 (MM-DBMS) 是多媒体数据库体系的重要组成部分之一, 其内容主要包括在数据库体系中查询数据信息、更新数据信息、管理数据信息、储存数据信息、管理元数据信息等, 进而确保数据库信息资源的安全性与稳定性性。管理多媒体数据库必须支持对文本、音频、视频和图象数据的管理。
(一) MM-DBMS体系结构。就MM-DBMS体系结构而言, 可以有多种设计原理和开发方法。比如松散耦合体系结构设计原理和紧密耦合体系结构原理。就松散耦合体系结构设计原理而言, 这种设计方法主要依托于一个模块式的多媒体文件管理器以达到管理和更新数据信息的目的。这种集成模块主要由元数据管理器和多媒体文件管理器组合而成。其中, 元数据管理器模块中的核心部分是元数据信息, 多媒体文件管理器中的核心部分是多媒体文件。相较于松散耦合体系结构而言, 紧密耦合体系结构中的DBMS所有功能都可以适用于集成数据管理器文件与多媒体数据库体系中, 力求最大限度地将管理多媒体数据库功能实现, 确保管理功能的有效发挥。而松散体系结构下的管理多媒体数据库如果没有具备完善的功能, 将会导致数据信息的不完整。
(二) MM -DBMS的功能概述。MM -DBMS需要具备基础性功能才能够支撑多媒体数据库系统, 才可以确保数据库信息的准确性。但是这些功能的实现要比一般的多媒体数据库复杂, 究其原因是在MM -DBMS体系结构内, 数据信息可能会非结构化, 也有可能会结构化。不仅处理程序复杂, 而且处理数据类型的方法亦不同。比如处理音频和视频等数据信息不仅结构较为复杂, 而且操作步骤也比较复杂。除此之外, MM -DBMS还需要具备时效性功能, 即可以同时处理多种多媒体数据类型。
二、挖掘多媒体数据库
挖掘多媒体数据库作为数据库体系的又一组成部分, 其内容主要包括图象、视频、文本、音频、动漫等。其中, 图象和文本是属于静态领域, 音频和视频属于连续媒体领域。在多媒体数据体系中, 挖掘数据常常被看做是一个单一的集合体, 在数据库体系中扮演一个独立的实体角色。其目的是在数据库体系中找到与实体信息相吻合的数据模式。在多媒体数据库体系中, 不同的建筑物图片或者视频从某种角度上看上去会很像, 但是事实上却是一个建筑物的一个视角, 并不是完整的结构清晰图。因此, 实现数据挖掘与传统管理方式的有机结合对研究人员而言, 是一件十分困难的事情。
(一) 文本挖掘。作为静态数据领域的组成部分之一, 文本数据包括计算机网页上的相关数据信息、高校图书馆数据信息、电子书等。就文本数据结构而言, 文本数据不能将结构转换成关系数据, 并且在大多数情况下, 文本数据在数据库体系中没有结构。但是有些情况下是呈现半结构化状态, 比如作者、题目、文章、段落等, 段落在数据库体系中虽然没有结构, 但是格式是结构化的。
所谓文本挖掘是指在数据库集合体中提取未知数据信息, 并将其与数据库中相关联的数据信息进行有效联合的过程。作为数据库体系的两大组成部分, 文本挖掘和信息检索既有联系又有区别。相较而言, 其都是数据库体系的类型。就区别说来, 作为多媒体数据库体系中的特定数据类型, 信息检索和信息查询都可以在多媒体数据库中搜索。但是挖掘设计的领域更多, 数据信息更具有层次性。
(二) 音频挖掘。作为连续媒体领域的重要组成部分之一, 其内容形式主要包括广播、演讲等。一些电视连续剧或者电影中也存在音频数据, 将声音数据和视频数据进行有机结合, 从而形成音频挖掘数据库。为进一步挖掘音频数据, 可以借助语音识别技术和关键字将音频转换成文字, 从而主要针对文字数据信息进行有效挖掘。另外, 还可以直接利用音频基础性信息进行制定信息挖掘。但是我国的音频挖掘技术相较于国外发达国家而言, 还处于发展的初级阶段, 还需要引入先进的科学技术提高数据信息的准确性。
结束语
随着社会的不断进步和科技的发展, 多媒体挖掘技术和管理水平将会得到不断提升。虽然目前我国的数据挖掘技术和管理方法还有待加强, 但是在信息技术环境下的数据挖掘工具工作已经初步展开, 为促进数据挖掘技术提供保障。
摘要：本文主要从管理多媒体数据库和挖掘多媒体数据库相关知识进行了探讨, 以期为构建多元化多媒体管理和挖掘体系提供一次参考和意见。
关键词：多媒体数据库,数据挖掘,管理多媒体
参考文献
多媒体数据 第5篇
1.1完全依赖于网络存储设备，存储设备自身安全作为网络媒体数据安全的保障
在线存储体采用主备控制器机制，存储硬盘采用RAID安全机制；根据策略进行在线存储到近线带库的迁移备份，保障核心媒资数据的多级存储；核心媒体数据网内根据策略或手动定期备份。上述解决方案虽在很大程度上保障了网内媒体数据安全，但存在过分依赖存储硬件设备，问题数据恢复长等问题，严重影响编辑记者前台操作和资源使用时效。
1.2依靠网络技术实现媒体数据的多级存储，并实现对前使用者透明，数据恢复采用软硬件结合的方式完成，存储故障不影响编辑业务
采用本地+网络编辑的方式，媒体数据同时存储于在线存储和编辑机本地，降低网络存储故障对节目编辑的影响；采用媒体数据双读双写，主备在线存储方式，实现媒体数据的双重备份，降低存储故障对编辑记者的影响；建设最小应急系统，核心媒体数据根据策略实现向最小应急系统的备份，数据多级存储，保证核心编辑业务安全。
2媒体数据多级存储备份解决方案下的编辑操作模式
2.1主备双存储体：编辑站点双读双写
正常工作时：双读双写。在主备存储都正常时，上层应用站点在文件写入时同步写入主备存储体，实现数据镜像同步备份；在读取时，上层应用站点，选择主存储路径进行优先读取。主存储故障时：延迟平滑切换到备存储，进行单路读写。在系统运行过程中，如果主存储瘫痪，上层所有应用站点平滑切换到备路存储路径进行读写，无切换时间，用户毫无感觉，实现真正的0秒透明切换。主存储恢复后：策略控制中心，调度后台同步服务器，实现数据主备存储同步。该功能的实现得益于两点：一是由于素材路径存在双份，在正常时数据完全主备镜像；二是策略控制中心，实时监控收集存储状态，如主存储的故障信息。工作站读写访问过程中，由于所有文件I/O通过IDA引擎，获知策略中心的存储故障状态，因此直接指向备份存储进行实时访问，访问过程无间断，非常平滑。
2.2单在线存储体：“本地+网络”双读双写策略，实现媒体数据双路存储
编辑站点本地存储作为网络存储备份使用，优先编辑网络存储数据。网络和本地的文件路径，作为该素材的主备路径记录在资源上。采用双读双写模式，采集、打包等生成的视音频素材在网络和本地上都存在；同时对于字幕、故事板以及字幕中的图片也都在网络和本地磁盘上同时存在。在双读双写模式下，用户所生成的资源在本地都有一个中码流的版本，通过双读双写机制，用户可以直接调用网络的版本进行编辑。如网络故障用户可直接切换到本地，保证编辑业务连续不间断。在网络数据库中断的情况下，需要手动切换数据库连接，将系统连接到本地数据库上。系统软件可提供快捷的一键切换功能，将网路数据库连接切换到本地数据库，在网络数据库断开的情况下继续进行节目的编辑。优点：双读双写保证系统媒体数据安全，优先编辑网络存储，实现媒体数据网络共享，编辑记者可在任意网内节目编辑站点完成节目编辑。缺点：网络存储读写性能要求较高，系统建设在存储领域的投资比重较大。网络存储作为编辑站点本地存储的备份，优先编辑本地存储数据。媒体数据在网络存储体和本机存储体实现冗余备份，优先读取本地存储路径。这种模式充分利用了单机的稳定性和安全性，同时网络化的实时备份存储又完全能实现网络化的资源共享以及关键数据的多重备份。在编辑过程中，采用本地编辑为主，网络编辑为备份的编辑方式，正常编辑模式下各站点直接读取本地素材进行节目编辑，后台打包调用网络高码流文件进行合成的编辑方式。对于上载节目资源的工作站A在被占用的情况下，用户需要到工作站B进行编辑，此时通过同步资源的方式到本地，用户在打开故事板和打开素材的情况下，系统自动判定当前资源不在本地存储路径，完成从网络到本地的同步迁移，编辑人员可以进行编辑使用。优点：双读双写保证系统媒体数据安全，优先编辑站点本地数据，大大减低对存储和网络的依赖，系统建设存储领域投资较低。缺点：鉴于采用本地编辑的模式，如编辑人员更换站点，需重新将网络数据同步到本次，有一定时效性的损耗。
2.3最小应急备份系统：实现核心媒体数据备份
系统在备份时，会同时进行物理文件和元数据的备份，以确保一旦主网出现问题，工作站点可以直接完全脱离主网且接入应急系统中使用。只需退出非编软件，重新连接最小应急备份系统的数据库，即可继续完成工作。节目采集及合成时可以自动写入最小应急备份系统，实现多存储区域数据完全一致，写入数据时不会占用过多的网络带宽资源，而且不影响系统的正常运转；当主网存储区数据删除时，最小应急备份区能根据数据的变化，自动对数据进行删除；当主存储区出现故障的时候，能够迅速的切换到最小应急备份区上，使用最小应急备份数据；备份策略可以按照栏目、用户等方式进行，根据实际需求选择性进行备份。优点：最小应急备份系统可以作为全网应急解决方案，作为核心业务的终极保证。此外应急系统可作为外场系统使用，通过快速拆分，便捷的完成外场系统的远程移动。缺点：最小应急备份系统需要台内额外投资建设，将引入部分投资增加。
3系统主备存储不同选型下的编辑操作模式
网络系统建设过程中，对于核心存储设备的选择将决定媒体数据安全策略。如何在数据安全和台内投资间实现平衡是网络设计必须要考虑的问题。
3.1系统选用相同性能与容量的存储
鉴于主备存储体性能容量完全相同，网络系统服务的所有栏目均可选用同样的媒体数据安全策略，网络中媒体数据全部主备两份，即所有站点全部支持双读双写。系统任意存储故障均不影响编辑业务，节目编辑和系统数据实现双重保障。优点：业务安全级别高。缺点：台内投资相对较大，存储领域投资需要考虑。
3.2系统选用不同性能与相同容量的存储
鉴于主备存储体仅容量相同，系统主存储体可满足网内所有站点的读写需求，备存储体仅能支持部分站点的读写，媒体数据通过策略备份的方式实现主备双重备份。该种情况下，仅能保证网内核心栏目站点的双读双写和媒体数据实时双备份需求，即网络故障情况下网内部分编辑业务需中断，或全网转换为低码流编辑，高码审核打包的操作模式，方能实现全部业务不中断。优点：业务安全级较高。缺点：台内投资相对较大低，网络故障将导致部分编辑业务中断或全网采用低码流编辑，对编辑业务有较大影响。鉴于主备存储体性能与容量均不相同，系统主存储体可满足网内所有站点的读写需求，备存储体仅能支持部分站点的读写。该种情况下，仅能保证网内核心栏目站点的双读双写和媒体数据实时双备份需求，非核心栏目仅能读取主存储，媒体数据不再备份。即网络故障情况下网内部分编辑业务需求中断。优点：核心栏目业务安全级高，非核心栏目安全级别较低。缺点：台内投资相对较低，网络故障将导致部分编辑业务中断，对编辑业务有较大影响。
4结束语
大数据时代的媒体融合 第6篇
我们目前正处在一个大数据时代，随着社交网络的逐渐成熟，移动带宽的迅速提升，云计算、物联网的应用多样，大数据的运用和创新给公民、政府、社会带来了种种的挑战和变革。时代召唤所有媒体在现有新媒体形式和还将开发出的新媒体形式前改变自己，必有革命性思维，才能促成跨越式大发展。传统媒体与新媒体之间必然的融合，将使媒体界限打破，迎来一个信息自由共享、交流互动的全媒体时代。
数字化浪潮冲击下，媒介融合加速
随着数据逐渐演变成为战略资产，传媒企业新的赢利点将集中在数据资产的运营方面。针对传媒企业的现实状况，分析其如何通过利用经营数据、用户数据、新闻产品数据实现精细化管理、个性化服务和数据内容的信息化服务，从而实现赢利转型。数字化浪潮冲击下，媒介融合加速，网络化渗透让电视面临着艰难选择，这种选择的艰难性来自电视媒体在两种现状之间的碰撞与困惑：一方面，电视媒体目前的经营发展在某种程度上仍领跑其他传统媒体，日子仍旧好过。而要摒弃长期传统观念、颠覆既有发展模式，必然面临牺牲眼前利益的风险；另一方面，又不得不直面新媒体日趋激烈的竞争现实，积极应对网络化挑战。电视媒体选择网络化生存是历史逻辑、技术逻辑和市场逻辑发展的必然，摆在电视人面前的紧迫问题是如何合理制定战略和策略，以期在网络化生存的四条具体路径上发展得又快又好。这四条路径是：平台型网站打造、数字化频道改进、视频化业务拓展、移动化技术应用。 网络化技术作为先进的生产力对电视产业的渗透必然要求网络化生产关系与之适配。电视产业新体制呼之欲出，网络化对电视产业新体制提出了五个方面的变革要求：经营体制的变迁、传输体制的变迁、制播体制的变迁、投融资体制变迁以及管理体制的变迁。
微传播成新媒体社会发展新动力
在各种新媒体尤其是微信出现后，社会的主流人群也都卷入了新媒体，传统媒体在支付较高采编成本后，却无法从新媒体那里得到相应的回报。中国新媒体发展进一步呈现移动化、融合化和社会化加速的态势。在这种态势下，中国新媒体出现了四个显著的变化，基于新媒体的微传播已经成为促进中国社会发展的新动力。第一，微传播成为主流传播方式。基于移动互联网的微博、微信、微视频、客户端大行其道，微传播急剧改变着中国的传播生态和舆论格局。第二，传统媒体和新兴媒体正在加速融合。传统媒体纷纷推出新媒体战略，拓展传播空间，而新兴媒体凭借技术优势整合传统媒体资讯再传播，新媒体引发又一轮传媒革命。第三，新媒体的社会化属性增强。功能不断拓展的新媒体正在快速向政治、经济、社会、文化各领域延伸。微政务成为创新中国社会治理的新路径。新媒体引发产业升级和互联网金融热兴。微交往、微文化正在推动社会结构变革和文化发展。第四，新媒体安全成为最重要的国家战略。新媒体正在超越传统媒体成为跨越诸多领域的“超级产业”，而新媒体的安全问题日益成为各国国家战略考量的重点。2013年以来，在顶层设计的强化下，中国新媒体在社会发展中的战略地位进一步凸显。中国正迈步从新媒体大国走向新媒体强国。
用创新思维和方法来应对当前媒介融合的趋势
自古以来，新媒体产生，旧媒体消亡都是正常的。近几年来，有人认为报纸将消亡，传统媒体衰弱，意味着主流媒体没有生存空间了。而其实，这是媒介形态的发展，而不是媒介主体的变化。近年来主流媒体一直有所作为，比如人民日报、新华社等，都在广泛运用新的传播形态，如微博、微信、客户端等，有些形态运营非常成功，主流媒体的影响力，而且很大。新媒体时代，会不断产生新的形态，近年来，随着微博、微信兴起，基于APP的新型传播形态发展很快，门户、论坛、博客用户都在下滑。因此，传统媒体一定要多努力，加强新媒体形态的运用、探索研究新媒体传播规律，只有采取最新的传播形态和手段才能具有竞争力。另外，张瑞生认为，除了采用新媒体形态和运营方式，主流媒体话语方式的转变，发掘适应受众的话语体系也很重要。
在全媒体驱动下，传媒的产业链条迅速延伸和发展。伴随新业务和新媒体如雨后春笋般不断涌现，整个传媒产业链已经由传统的“内容供应商—内容消费者”单向的垂直的线性的封闭型链条演变成了以全媒体运营商为核心，由网络平台供应商、内容供应商、终端供应商、应用开发商、用户等上中下游多个部分共同组成的立体的网状的开放型的链条。处于核心位置的全媒体运营商连接各方需求，沟通多方市场，不仅要做好自身环节的建设，还要积极介入网络、内容、终端、应用服务市场的培育，培养有利于自身发展的生态环境，比如，全媒体运营商可以与网络平台提供商开展合作，以助于网络与服务的开发和升级；可以与内容供应商开展合作，以助于产品的研发创新和适销对路；可以与终端厂商开展合作，以助于提升消费体验，更好地为用户服务。
凤凰卫视的全媒体化进程
凤凰全媒体化进程始于2005年凤凰新媒体的成立。几年来，通过凤凰电视节目制作系统的数字化改造，凤凰已基本实现电视与新媒体的有机媒介融合。目前，在凤凰卫视访谈和脱口秀节目制作中，已开始充分考虑融入互联网的互动性，在节目制作初期就通过互联网预告节目内容，吸引线民即观众的注意，同时也请线民对嘉宾和议题提出设想。节目中，主持人通过网络即时与观众沟通，实现类似“CALL IN”互动效果。节目播出后，还通过网站对节目嘉宾和议题做网上调查。这种节目制作方式通过网络平台实现互补、互动，冲击力和影响力得到加强。同时，凤凰节目制作采用先进制作系统，实现了“网台结合”。也就是说，凤凰一条新闻或一个节目内容生成后放到大洋系统中，凤凰网和凤凰各电视频道都可同时从后台抓取使用，利用新技术加快凤凰内部资源的有机融合，是目前着力进行的一项工作。
在凤凰全媒体进程中，凤凰品牌优势将得到进一步彰显，极具个性、特色的凤凰内容，包括电视节目、周刊、广播等差异化内容，将附着在完美的媒体组合，包括卫星电视、户外大屏、广播、个人移动终端设备中推向细分的客户群，并产生良性互动。
主流媒体客户端建设成为媒体融合发展新阵地
信息技术的迅猛发展，改变了舆论传播的方式，舆论引导工作的难度进一步加大。这是对各级新闻宣传机构治理体系和能力现代化的一个考验，是需要共同破解的重大课题。黑龙江电视台近年来一直致力于通过新媒体的融合，研发新媒体产品，增强内容的传播力和市场的运营能力，和业界一起建设新的生态环境。 目前全省广电网络正式实现统一运营。自2014年11月末始，黑龙江省广电网络启动了重组工作。在全省广电网络重组工作领导小组和筹备组的统一部署、统筹推进下，全省各地、各单位服从大局，通力配合，于2014年12月19日签订了《统一运营协议》。
实现全省统一运营后，随着“全省一网”进程的不断深入和广电网络的优化升级，电视互动点播、电视互联网等一大批特色服务将陆续部署上线，龙江百姓家中的电视将变得更加丰富多彩。以统一运营为新起点，按照“边评估重组、边股份制改造、边筹备上市”的总体思路，我省广电网络还将完成资产评估、确股确权，在实施战略跨越的大格局中实现统一规划、统一建设、统一管理和统一运营，构筑助力龙江文化产业高速发展的重要传播载体和渠道。
多媒体数据压缩技术简介 第7篇
1 多媒体数据压缩编码的必要性和可能性
1.1 必要性
数字化后的多媒体数据的体积是巨大的。例如:通常情况下, 一幅A4幅面的RGB彩色图像的数据量约为25MB;如果以CD光盘音质 (采样频率44.1kHz, 量化精度为16位, 双声道) 记录一首5min的歌曲, 其数据量约为50MB;又如PAL制式电视信号, 分辨率为768 576, 每秒25帧的真彩色图像, 每秒需要产生约30MB的数据量, 对于650MB容量的光盘来说, 只能存储大约20s的数据。如此庞大的数据量, 如果不进行压缩, 则会给多媒体信息的传输、存储以及处理造成巨大的困难。因此, 在音频、视频等多媒体信息的处理及应用过程中, 必须对这些多媒体信息进行数据压缩, 从而减少数据量, 使之适应计算机的数据处理能力和网络的数据传输能力, 并且同时尽可能保证其质量能满足人们一般的主观满意度。
1.2 可能性
多媒体数据之所以能够进行压缩是因为原始数据存在大量冗余 (多余的成分) , 数据压缩的目的就是尽可能地消除这些冗余, 从而减少数据量。数据冗余的类型可分为客观冗余和主观冗余两大类。客观冗余是由于原始数据表示上的不完善而产生的冗余, 是数据内部所固有的, 例如在一组字符串中, 某些字符会重复出现多次, 或者说某些符号比其他符号出现的概率更大, 那么这些冗余部分便可在数据编码中除去或减少以避免数据的重复存储;数据中间通常尤其是相邻的数据之间, 常存在着一定的相关性, 如图片中常常有色彩均匀的背影 (空间冗余) , 动态图像的相邻两帧之间可能只有少量的变化, 声音信号有时具有一定的规律性和周期性 (时间冗余) 等等。因此, 有可能利用某些变换来尽可能地去掉这些相关性以降低数据量。主观冗余是由于人的感官功能不完善, 对某些信号不敏感, 使得一部分原始数据对人来说显得多余而产生的, 例如人类对某些频率的音频信号不敏感, 那么有无这些频率的音频, 在听觉上影响不大, 就可去掉这些不敏感的成分 (听觉冗余) ;另外, 人眼存在所谓的“视觉掩盖效应”, 即对亮度比较敏感, 而对边缘的强烈变化并不敏感, 如果对表现边缘的数据进行压缩, 也可减少数据量 (视觉冗余) 。总之由于数据冗余的存在, 在对多媒体数据进行编码时, 就可以将冗余信息去掉, 这使得数据压缩成为可能。
2 数据压缩技术评价
衡量数据压缩编码方法的优劣主要有3个指标:
(1) 压缩比, 即压缩前后的数据量之比, 一般来说, 压缩比要在一定的质量主观满意度基础上尽可能的大。
(2) 算法的复杂性和运算速度, 实现压缩的算法要简单, 以便在有限的硬件资源上加快压缩解压缩的速度, 尽可能地实时压缩解压缩。
(3) 失真度, 即解压后数据的恢复质量要好, 尽可能地完全再现原始数据。
3 数据编码方法及其分类
数据压缩技术随着通信技术和计算机技术的发展日臻成熟, 适应不同应用的编码方法不断产生, 多媒体数据压缩方法根据不同的依据可产生不同的分类。
一般根据解码后数据是否能够完全无丢失地恢复原始数据, 将压缩方法分为无损压缩和有损压缩两大类。 (1) 无损压缩, 也称为可逆压缩、无失真编码等。无损压缩方法利用数据的编码冗余进行压缩, 保证在数据压缩中不引入任何误差, 在还原过程中可完全恢复原始数据, 多媒体信息没有任何损耗或失真。典型算法有哈夫曼编码、香农-费诺、算术编码、LZW编码等; (2) 有损压缩, 也称不可逆压缩。有损压缩方法利用了人类视觉对图像中的某些频率十分不敏感的特性, 采用一些高效的有限失真数据压缩算法, 允许压缩过程中损失一定的信息, 大幅度减少多媒体中的冗余信息, 虽然不能完全恢复原始数据, 但是所损失的部分对理解原始图像的影响较小, 却换来了大得多的压缩比, 例如变换编码、预测编码等。通常情况下, 数据压缩比越高, 信息的损耗或失真也越大, 这就需要根据应用找出一个较佳的平衡点。
第二种分类方法是按具体编码算法来分, 大致可分为预测编码、变换编码和统计编码三种。 (1) 预测编码 (Predictive Coding) 这种编码器记录与传输的不是样本的真实值, 而是真实值与预测值之差。预测值由预编码图像信号的过去信息决定。由于时间、空间相关性, 真实值与预测值的差值变化范围远远小于真实值的变化范围, 因而可以采用较少的位数来表示。 (2) 变换编码 (Transform Coding) 在变换编码中, 由于对整幅图像进行变换的计算量太大, 所以一般把原始图像分成许多个矩形区域, 即子图像。对子图像独立进行变换。变换编码的主要思想是利用图像块内像素值之间的相关性, 把图像变换到一组新的“基”上, 使得能量集中到少数几个变换系数上, 通过存储这些系数而达到压缩的目的。 (3) 统计编码。最常用的统计编码是哈夫曼编码, 出现频率大的符号用较少的位数表示, 而出现频率小的符号则用较多位数表示, 编码效率主要取决于需要编码的符号出现的概率分布, 越集中则压缩比越高。哈夫曼编码是一种无损压缩技术, 在语音和图像编码中常常和其他方法结合使用。如图1所示。
3.1 常用无损压缩编码
行程编码, 又叫游程编码, 是数据压缩最简单的方法之一。它的主要思路是将数据流中连续出现的字符用单一的符号来表示, 即把一系列的重复值用一个单独的值加上一个计数值来代替。例如:有这样一个字母序列:
aabbbbcccccceeeee
它对应的行程编码是 (2, a) (4, b) (6, c) (5, e) , 在存储时, 就没有必要存储每个字符, 只需将某个字符存储一次, 再加这个字符的出现的个数来表达, 显然减少了所存储的总字符数。可以看出, 游程编码算法的压缩比主要取决于原始数据的分布状况, 压缩比不稳定且压缩比不太高, 但该方法具有简单直观编码解码速度快的优点, 时间复杂度也较好, 尤其对二值图像的编码非常好。
哈夫曼 (Huffman) 编码, 哈夫曼编码是D.A. Huffman在1952年发表的论文“最小冗余度代码的构造方法”中提出的。它采用不等长的数据编码法, 根据数据中各字符出现的频率进行编码, 出现频率高的字符赋以较短的代码, 而出现频率低的字符赋以较长的代码, 从而保证了文件的大部分字符由较短的编码构成。其算法过程就是构造一个最优二叉树的过程, 以下是其一般编码过程:
a.将单个符号作为二叉树的叶子节点, 统计各符号的出现频率作为各符号的权值, 按照其大小进行排序。
b.找出权值最低的两个节点, 并建立它们的父节点, 父节点的权值等于两子节点权值之和。
c.将父节点作为自由节点, 将两个子节点从自由节点中删除。
d.重复以上步骤直到只剩下一个自由节点, 将该自由节点作为树根。
e.规定将“1”赋给权值小的节点, 将“0”赋给权值大的节点。
f.从树根至各树叶经过的路径所得到的“0”、“1”序列即为该树叶节点的编码。
算术编码, 它不是为每个符号产生一个单独的代码, 而是使整条信息公用一个代码, 其核心思想是累积概率思想。其基本原理是将被编码的信息表示成0和1之间的间隔, 即对一串符号直接编码成[0, 1) 区间上的一个浮点小数, 在传输任何符号之前, 符号串的完整范围为[0, 1) 。当一个符号被处理时, 这一范围就根据分配这一符号的区间变窄, 间隔变小, 信息越长, 编码表示它的间隔就越小, 表示这一间隔所需的二进制位就越多。算术编码的过程, 就是根据信息源符号串发生的概率对码区间进行分割的过程。
LZW编码, LZW编码压缩算法使用字典库查找方案, 读入待压缩的数据与一个字典库, 开始库是空的中的字符串对比, 如果有匹配的字符串, 则输出该字符串在字典中的索引, 否则将字符串插入字典中, LZW编码具有压缩效率高实现简单的优点, 是使用最广泛的无损压缩方法之一。如WinZip 等压缩软件工具均以LZW 算法为理论基础。
3.2 常用有损压缩编码
预测编码根据离散信号之间存在一定关联性的特点, 利用前面一个或多个信号对下一个信号进行预测, 只需对实际值和预测值的差进行编码和传输, 由于时间、空间相关性, 真实值与预测值的差值变化范围远远小于真实值的变化范围, 因而可以采用较少的位数来表示, 以减少数据量。其中, 典型的压缩算法有:DPCM (差分脉冲调制) 和ADPCM (自适应差分脉冲调制) , 较适用于音频数据的压缩。
变换编码变换编码的任务。变换编码的任务是要使预测值尽可能接近实际样值, 也就是要寻找一种尽可能接近原信号统计特性的预测方法, 通过相差来除去图像信号的相关性, 从而达到数据压缩的目的。变换编码不是直接对空域图像信号进行编码, 而是首先将将原始图像分割成若干个图像块, 对每个子图像块进行某种形式的正交变换, 生成变换域 (频率域) 的系数矩阵, 经滤波、量化、编码和传输到达接受端后作解码, 经逆变换后综合拼接, 恢复出空域图像。由于在此过程中的滤波、量化等环节均会损失信息, 所以变换编码是一种有损压缩编码方法。实践证明, 无论对单色图像还是彩色图像, 对静止图像还是运动图像, 变换编码都是一种非常有效的方法。变换编码一般有快速算法, 能实现实时压缩和解压;常用的变换主要是正交变换, 其种类很多, 如K-L变换、DCT 和DST 变换等以及用途广泛的小波变换。
3.3 混合编码
混合编码方法是指对同时使用2 种或2 种以上的编码方法混合进行编码的方法, 以达到高效压缩数据的目的。例如JPEG、MPEG标准都采用混合编码。
4 多媒体数据压缩编码的标准
目前, 国际广泛认可和应用的通用数据压缩编码标准主要有:JPEG 、H.261 、MPEG 。
4.1 JPEG 标准
JPEG 是一种基于DCT 的静止图像压缩和解压缩算法, 它由国际标准化组 (ISO) 和CCITT 共同制定。它是把冗长的图像信号和其它类型的静止图像去掉, 甚至可以减小到原图像的百分之一。JPEG 压缩是有损压缩, 它利用了人的视觉系统的特性, 去掉了视觉冗余信息和数据本身的冗余信息。在压缩比为25:1 的情况下, 压缩后的图像与原始图像相比较, 非图像专家难辨“真伪”。
4.2 H.261 标准
H.261 由国际电报电话咨询委员会 (CCITT) 通过的用于音频视频服务的视频编码解码器标准 (也称为Px64 标准) , 它主要使用两种类型的压缩:帧中的有损压缩 (基于DCT) 和帧间的无损压缩编码, 并在此基础上使编码器采用带有运动的DCT 和估计DPCM的混合方式。
4.3 MPEG 标准
MPEG 实际上是指一组由ITU 和ISO 制定发布的视频、音频、数据的压缩标准。它采用的是一种减少图像冗余信息的压缩算法, 提供的压缩比可以高达200:1, 同时, 图像和音响的质量也非常高。MPEG 版本主要有MPEG-1 、MPEG-2 、MPEG-3 、MPEG-4 和MPEG-7 。MPEG-1 标准制定于1992 年, 是针对1.5Mbps 以下数据传输率的数字存储媒体运动图像及其伴音编码设计的国际标准。同时, 它还被用于数字电话网络上的视频传输, 如非对称数字用户线路 (ADSL) 、视频点播 (VOD) 、教育网络等。MPEG-2 标准制定于1994 年, 是针对3 ～10Mbps 的数据传输率制定的运动图像及其伴音编码的国际标准。它广泛用于数字电视及数字声音广播、数字图像与声音信号的传输、多媒体等领域。MPEG-3 最初为HDTV (高清晰电视广播) 制定的编码和压缩标准, 但由于MPEG-2 的出色性能已能适用于HDTV。
因此MPEG-3 标准并未制定。MPEG-4 于1998 年11 月公布, 它主要针对一定比特率下的视频、音频编码, 更加注重多媒体系统的交互性和灵活性。MPEG-7 的应用范围很广泛, 既可应用于存储, 也可用于流式应用。未来它将会在教育、新闻、导游信息、娱乐、等各方面发挥巨大的作用。
5 结束语
文章主要讨论了多媒体数据压缩技术的必要性和可能性、介绍了几种常用的数据压缩的方法和数据压缩的标准。在日趋成熟的通用数据压缩领域, 只要能在思路和技术上不断创新, 也许可以找到新的突破口, 谁又敢断言, 在未来不会出现新的压缩算法, 不会出现新的哈夫曼!再者, 在硅芯片计算机技术快接近其物理极限的将来, 又会出现什么样的新型计算机, 其拥有不可思议的速度和存储容量, 那么多媒体数据体积巨大的问题将不再是难题。
摘要：介绍了数据编码和压缩的基本原理及其技术评价;对常用的压缩编码方式以及编码的标准进行了概述。
关键词：多媒体数据,压缩编码,数据压缩
参考文献
[1]刘建.多媒体技术基础及应用[M].机械工业出版社, 2008.
[2]赵子江.多媒体技术基础[M].机械工业出版社, 2007.
[3]钟玉琢.多媒体技术基础及应用[M].清华大学出版社, 2006.
多媒体数据压缩技术研究 第8篇
关键词：多媒体,数据编码,数据压缩,算法
在多媒体计算机系统中, 要传输, 处理, 存储包含文本、图形、图像、音频、视频在内的多媒体数据, 而这类数据经过采样, 量化, 编码之后, 信息量巨大。虽然目前存储技术、网络传输技术和计算机计算速度都在迅速发展, 但数据压缩技术仍然多媒体计算机系统的关键技术, 而且尚未出现一种理想的数据压缩算法可以彻底解决多媒体数据存储, 处理, 传输的瓶颈问题。因此本文主要讨论多媒体数据编码和压缩技术, 侧重于数字图像压缩技术的研究。
1 数据压缩的必要性和可能性
一幅102476、由24位真彩色构成的图像, 未经压缩所需存储空间为2.25兆, 一分钟24位真彩色、320240分辨率、25帧/秒的PAL制式的视频所占存储空间喂兆29.6兆。由此可以发现, 未经压缩的多媒体数据量非常大, 如果不对如此巨大的数据量进行压缩, 无疑将给存储器的存储、网络的传输、数据的携带和计算机的处理速度带来极大的压力。另外, 分析多媒体数据可以发现他们之中存在极强的相关性, 同时还可以根据人的感知生理、心理规律, 利用人对数据或属性的不敏感性, 除去数据中存在的冗余。
2 数据压缩编码方法分类
多媒体数据压缩方法的本质是算法, 衡量一种压缩编码方法的优劣主要有如下指标:压缩比、压缩算法实现复杂程度、压缩和解压缩速度、解压后恢复的效果。经过几十年的多媒体数据压缩研究, 已经产生了各种各样的压缩算法, 并逐渐趋于成熟。按照不同的分类方法, 可以将多媒体压缩编码方法划分成不同的类, 比如, 从基本原理来划分, 压缩编码方法可以分为基于像素或波形的编码方法和依赖于对人类感知特性的研究的压缩编码方法两大类。犹如按照压缩后的质量是否存在损失划分, 可分为有损压缩编码和无损压缩编码。
2.1 无损压缩编码
无损压缩编码, 也称熵编码, 就是指使用压缩后的数据进行还原时, 与原数据完全相同, 不存在数据丢失的压缩编码, 无损压缩编码是可逆和可恢复的。典型的无损压缩编码有统计编码 (包括霍夫曼编码、算术编码) 、行程编码、LZW (Lempel Ziv Welch) 编码、不进行量化处理的预测编码。
2.2 有损压缩编码
有损压缩编码是指使用压缩后的数据进行还原时, 存在与原数据不同的地方, 存在数据丢失的压缩编码, 是不可逆和不可恢复的。主要的有损压缩编码有预测编码、变换编码、模型编码以及混合编码等。
3 静态图像压缩标准JPEG
3.1 JPEG标准的主要内容
ISO/IEC10918号标准“多灰度连续色调静态图像压缩编码”即JPEG标准选定ADCT (自适应离散余弦变换) 作为静态图像压缩的标准化算法。本标准有两大分类:第一类方式以DCT (离散余弦变换) 为基础;第二类方式以二维空间DPCM (差分脉冲编码调制) 为基础。
3.2 JPEG静态图像压缩算法
基于DPCM的无失真编码。为了满足无失真压缩的需要, JPEG选择一个简单的预测编码, 这种编码的优点是硬件容易实现, 重建图像质量好, 缺点是压缩比太低, 大约为2∶1。
基于DCT的有失真压缩编码。基于D C T的压缩编码算法包括两种层次的系统:基本系统和增强系统, 而且这种算法还定义了二种工作方式:顺序方式和累进方式。基本系统采用顺序工作方式, 只采用哈夫曼编码, 解码器中只存储两套哈夫曼表。增强系统除包含基本系统外, 还可采用自适应二进制算术编码。DCT编码的基本过程:首先进行DCT正变换, 再对DCT系统进行量化, 并分别对量化后的系数进行差分编码或游程编码, 最后再进行熵编码。
基于DCT的累进操作方式编码。基于DCT的顺序操作方式的编码过程是一次扫描完成的, 基于DCT的累进操作方式编码方法基本与顺序方式一致, 不同的是, 累进方式中每个图像份量的编码要经过多次扫描才完成。为了事先累进操作方式, 需在量化器的输出与熵编码的输出之间, 增加一个足以存储量化后DCT系数的缓冲区, 对缓冲区中存储的DCT系数多次扫描, 分批编码。通常有两种累进方式, 频谱选择法和按位逼近法。
基于DCT的分层操作方式。分层方式是将一副原始图像的空间分辨率, 分成多个分辨率进行“锥形”的编码方法, 水平 (垂直) 方向分辨率的下降以2的倍数因子改变。
4 运动图像压缩标准MPEG
4.1 MPEG-1系统
MPEG-1标准名为“用于大约高达1.5Mbps速率的数字存储媒体的运动图像及其伴音编码”。MPEG-1压缩的基本方法为:在单位时间内首先采集并保存第一帧图像的信息, 此后在对单帧进行有效压缩的基础上, 只存储其余帧图像中相对第一帧图像发生变化的部分, 以达到图像数据压缩的目的。它包括时间上的压缩和空间上的压缩两个方面。MPEG-1采用的是有损图像质量的非对称压缩算法, 压缩时间 (大约几十小时) 远远大于解压时间 (1个多小时) 。压缩只有一次, 需大量运算, 进行图像的比较分析, 而解压可有上千次, 运算量较少。
4.2 MPEG-2数据压缩标准
MPEG-2是建立在MPEG-1的基础上、以提高图像质量为目标的通用国际编码标准, 共包括系统、视频、音频、符合性测试、软件、数字存储媒体的指令和控制、非向后兼容音频、10比特视频、实时接口等9个项目。其中第1到3部分作为MPEG2的核心, 已在1994年11月正式公布执行, 其它的部分将在1995到1997年陆续公布。MPEG-2的压缩方法与MPEG-1的方法相似, 基本算法相同, 但增加了场间预测。MPEG-2的传输码率可以调整, 支持从可视电话到HDTV多种应用, 针对不同的用途, MPEG-2标准又分为4个等级和5个档次。
4.3 MPEG-4数据压缩标准
MPEG-4即“甚低速率视听编码”标准是针对低速率下的视频、音频编码和交互播放开发的算法和工具, 其显著特点是基于内容的编码, 更加注重多媒体系统的交互性、互操作性和灵活性。MPEG-4对每个视频对象的形状、运动和纹理信息进行编码形成单独的视频对象, 以便能够单独对视频对象进行解码。与MPE G-1和MPE G-2相比, MPEG-4更适合于交互视听服务, 它的设计目标使其具有更广的适应性和可扩展性, 应用在数字电视、交互式图形应用、实时多媒体监控、移动多媒体通信、Internet/Intranet上的视频流传输, 可视游戏、交互多媒体服务等方面。
参考文献
[1]马华东.多媒体技术原理及应用[M].北京:清华大学出版社, 2002.
[2]张小川.多媒体实用技术[M].北京:电子工业出版社, 2005.
[3]钟玉琢, 等.多媒体计算机技术基础及应用[M].北京:高等教育出版社, 2005.
多媒体数据 第9篇
现代数字技术导致不同领域出现大量的多媒体数据,以致数据存储和检索工作面临考验。多媒体数据的检索可以通过在一个空间中建模来实现。通过使用信号处理和分析技术,查询对象和数据库对象均可映射成一个多维抽象表达。每个维数是内容的一个描述性特征。例如,一个图像可以表示为一个256维的特征向量,每个值对应色彩直方图里的一个二进数;在一个查询问题上进行了多媒体对象的、基于内容的检索(CBR)。通过这种检索,用户可提供理想对象的一个事例,用来从数据库中搜寻到一组最相似的对象;这个对象集可以通过范围方法或最佳匹配法获取到。在范围方法中,要使用阈值来反映数据库中任何对象与查询对象的容许相似度(或相异度),同时传回该范围内的所有描述性对象。查询对象与各数据对象之间的多维表达的相似度可通过计算它们之间的距离,即通常所谓的欧几里德距离来估算。对于最佳匹配法,这个对象集仅限于K最近邻(kNN)法[1]。K最近邻法是CBR方面一种最有效的查询方法。从概念上看,kNN查询处理方法要求计算数据库中每个特征向量到对象范例的特征向量之间的距离才能确定最理想相似度。显然,对CBR进行数据库的顺序扫描,对大型数据集来说效率十分低下。对此,提出了两大方法来避免顺序扫描并加快基于内容的检索即:多媒体检索和聚类。
对特征向量进行检索会加快搜索过程。通过使用数据空间法或空间分区法,可以实现对特征向量的检索;而对非兴趣区域进行修剪。但是,鉴于多维数据表达的特性(即时间复杂性随着维数呈指数式变化),近期最理想的研究结果表明只有维数达到30的查询才有望接受处理[2,3]。维数超出30,检索的搜索性能与顺序扫描的就等同了[4]。其它研究是将多维数据表达映射到另一个降维空间,如此就便于通过损失精度来处理更易于处理的空间。
聚类是一种数据分区法,目的在于形成相似对象组,即聚类。大多数的聚类方法[5,6]构建了相似聚类的层次结构,或通过使用检索结构来快速访问到某种聚类代表(如重心),通常情况下它是各个聚类的特征的平均向量。在搜索过程中,通过将查询对象与聚类代表进行比较就可以遍历整个层次或检索,从而找到感兴趣的聚类。无论是检索方法还是基于聚类的方法,通过计算距离来确定相似度对于大型多媒体数据库而言均耗费巨大。
若通过开发并行性,即使用并行数据库系统来解决大型多媒体数据库的CBR性能问题。设想一个并行(多处理器)系统,通用无共享(SN)架构设计[7],每个节点拥有自己的处理器、本地内存和硬盘。每个节点均可通过快速互连上的消息与其它节点进行通信。SN(如硬盘无共享)架构的一大优势在于性价比高、可扩展性好。不过,这方面存在一个重大问题,即如何在不同节点上进行数据分配才可以获取到基于内容的、理想的并行检索结果。数据分配过程就是对聚类的数据进行分区(产生一组聚类),然后放置到不同的SN节点位置。即对于一个带n个多媒体对象的数据库,首先要找出最佳聚类数和节点数才能获取到高效的CBR结果。
首先假设有一个聚类过程如k-均值聚类,利用聚类对CBR的复杂性进行分析后提出一种数据分配方案,它可求得最佳聚类数和节点数。而且,多媒体对象的高维表达也足够普适,适用于其它数据。因此,该分配方案可应用于以多维数据对象来表示的任何数据,如,地图、DNA序列等等。
1 数据分配方案
数据分配方案分两步进行:
(1)对数据进行分区处理以生成一组聚类;
(2)数据放置 将聚类放置到SN并行系统的节点上。
1.1 数据分区处理
为解决数据对象的维数引发的问题,使得搜索演变成顺序扫描或其它最坏的情况,一种可行的办法就是依靠数据库的聚类。但该法计算量大,费用昂贵,尽管查询执行前可以脱机操作进行预处理。该方法的目的在于尽量减少要计算距离的对象数,根据对象的相似度对它们进行分组。这里不想研究某个具体的聚类过程,有学者已经探讨过[8,9],他们得出可以通过该法来获取高效的CBR结果。所以,假设有一个数据库大小为n,借助于某个聚类过程对它进行分区处理,生成相似数据对象的一个聚类集C。
根据数据库的分区情况,当执行查询时,聚类集C可以修剪成包含了最相似对象的候选聚类C′的一个子集。这一小节要根据基于聚类的一般搜索过程的复杂性分析结果得出|C|的最佳数量。
关于通过某种数据聚类进行搜索这个问题,相关的一般复杂性可以表示为
为了达到最优处理,与这种复杂性关联的算法满足条件
1)O[g(C′)]最小化成候选聚类数的一个函数,即|C′| <<|C|;
2)确保O[f(C)] O[g(C′)];
3)确保|C|<<n。
下面看看搜索算法的最坏情况:
1)对候选聚类进行线性选择;
2)在各个入选聚类内部进行顺序扫描;
3)根据入选聚类生成的结果顺序进行完全排序。
在上述约束条件下,一般复杂性式(1)变成了
引理1 由式(2)建模生成的搜索算法是该条件下(nn)中最优的
对该数据库进行分区后得到
1.2 数据放置
根据上述方法将数据库划分成聚类后,接着就是将它们放置到并行系统的各节点上,然后再判定可产生最优(或渐近最优)性能的节点的数量。
于是就有以下定理:
定理 假设一个无共享并行系统有至少lg2n个节点,那么,任何一次查询的平均复杂度都会体现在
由引理1和有效节点上聚类的均匀放置可以获取到证据,在
结果整合必须通过局部结果的归并才能实现,这些结果仅限于已发现的k个最优数据对象。在最坏的情况下,每个节点传回已处理类别中所含对象那么多的结果,即
最佳性源于类别的平均大小:增加节点数不会降低局部复杂性而是仍存在
2 实验设计与方法验证
为了求证文中方法的效率,设计了一个实验平台(Java 语言编写,双盒处理器,3.2 GHz频率,2 G内存)。以下分析所生成的数据集、k最近邻过程以及性能结果。
2.1 数据集
为了验证文中方法,精心制作了一台合成聚类发生器。生成的数据模拟特征向量的超球面聚类而不具有相关特性。首先,均匀生成多个|C| d-维中心,它们的半径相同,提供每个聚类在多维空间的位置。
于是,各数据集可表示为:〈n, d, |C|〉、点数、多维空间的大小以及聚类数。所生成的均匀和非均匀数据集的值处在以下范围内
n∈{106,107},d∈{10,20,50,100,150,200,256,
1 000}。
其次,各聚类c有ncd-维高斯点。每个聚类表示为{r,&,p)。半径r界定了单个聚类所占的空间范围。&是密度,即单位容量所含的点的数量。种群p决定了聚类中的d-点的个数,值位于以下范围
第一个值是均匀半径,第二个值是非均匀半径,是通过将这些值当成系数用于分析聚类的大小而随机生成的。同样,利用
2.2 kNN搜索过程
现在介绍这种简单但有效的算法,它可以实现并行系统环境下的快速CBR。不过这个过程要符合节1.2里给出的参数,且要在硬盘上操作。
第一步 数据分布
没有尝试开发一种能优化聚类放置的算法。这些聚类按循环方式分布在lg2n机器上。于是,所有节点几乎均匀分布。
第二步 聚类选择
在相同假设情况下,随机生成查询点而非数据集。要找到一个查询q的kNN个对象的集合,就必须选出足够量的类别,以确保能传回k个最优d点。首先,执行基于硬盘的顺序搜索,将q与所有重心进行对照,然后借助于欧几里德距离和半径找出最临近聚类1。对第一批lg2n个聚类进行分析。对于每个入选的聚类,在第一步时已知它们的节点已经定好位置。
有了这个简单的启发式方法,就可实现对所有kNN的检索,相当于全局搜索。事实上,这两篇关于kNN查询过程的研究文献[10,11]提到了阈值的应用问题,利用阈值可确保检索到所有百分比或高百分比的NN。这里,将第一批lg2n个聚类设为阈值,且足够大足以实现全精度。
第三步 入选聚类的顺序扫描
已知各个兴趣聚类的节点后就可以开始并行搜索,检索到多达k个对象。局部入选的类别的扫描以纯顺序搜索形式进行,并使用边界优先队列来保留k个最佳回应。于是,各节点将一组k个入选元素传回给主节点。
第四步 归并
主节点将各种结果归并后,对第一批答案列表进行修剪,然后再传回给用户或应用程序。
2.3 性能评测
为了取得本文方法有效性的实验证据,对上文提到的数据集进行1 000次kNN查询操作,检测它们基于硬盘查询处理的平均回应时间、距离比较数、以及硬盘的输入/输出,最后得到107个数据对象的数据集结果。查询用到的k大小设为50、100和150。
图1给出了非均匀数据集的查询算法的行为。由图1可知,处理时间随着维数的增加而增长,且呈指数式增长,这表明不存在维数作假现象。再有,这种指数式增长趋势并没有预期的那么快。
图2中的曲线基本趋于稳定,这要归功于查询处理算法。任何时候,并行搜索都是在非均匀种群最前的lg2n个聚类上进行,好象发生在真实数据身上。每个处理器传回至多k个结果,这时获取到k=100和150时的几乎相似值,所以曲线图上无法明显体现。这里,聚类大小是一个影响因素。由此可以得出:规模相对小的聚类有助于缩短搜索时间。问题的关键在于聚类修剪过程。所以,不必关注在入选聚类内部进行搜索的效率问题。即便当CBR过程只是作浏览之用,当用户不确定自身的具体需求而是有各种结果时,最好“忍耐”一会,在使用到关联反馈时,让用户自己顺其自然地引导这个检索过程。
2.4 k值的影响
大多数研究认为k值是影响硬盘输入/输出和计算距离的一个因素,从而直接影响回应时间。不过,这里不做深入探讨。启发式阈值允许选择接受局部处理的最相关聚类且只会对最终的归并结果产生影响,不管从入选清单中选来用于归并的结果有多小最后都会缩至k那么大。比如,对于图1中的256维数据集,k=50、100和150时的处理时间分别是2 709、2 697和2 698 ms。
2.5 数据放置的影响
为了最大化并行性,通过搜索算法选出的聚类必须均匀分布在节点上,且从各节点检索到的聚类不得超出
本文的查询处理算法对聚类进行修剪后根据查询对象的相似度选出最前的lg2n个聚类,然后,通过相关节点的共同推动作用找到最终答案。实验中,激活节点的数量在1218之间变化,呈现一个随机循环分布情况。如本文提到的,在最坏假设情况下对该法进行了实验,因而,并行性和回应时间还有提高的空间,但特别要注意的是性能行为。
3 结论
针对无共享架构下多媒体数据的高效检索问题,提出了数据分配法。该方法将体积为n的数据库划分为相似对象的|C|个聚类,这些对象被放置在lg2n个节点上。聚类数取决于CBR常见搜索问题的复杂性分析结果,并行架构上的节点数的提出同样遵循了这个原理,但同时兼顾考虑了执行的可行性问题。在最坏情况下将该法用于不同的非均匀数据集进行了有效性验证。结果表明该法性能得到提高,如数据放置更理想,且重心位于主内存中。
摘要：一种可按比例放大到带高维元数据描述特征的大型多媒体数据库,并且能提供基于内容的快速检索(CBR)的方法在许多应用领域变得越来越重要。为实现这个目标,通过通用的并行无共享架构实现。通过假设一个聚类过程并根据对CBR的复杂程度分析,提出了一种以最佳聚类数和节点数为特点的数据分配方法。通过在不同的高维数合成数据库方面进行实验对其进行了验证,并实现了对全K最邻近查询处理算法。
关键词：基于内容的快速检索,维数,数据分配,K,最邻近结点算法
参考文献
[1] Ooi B C,Tan K L,Yu C,et al.Indexing the Distance:an efficientmethod to KNN processing.In:VLDB‘01:Proceedings of the 27thInternational Conference on Very Large Data Bases,2004:421—430
[2] Tan K L,Yu C,Zhang R.iDistance:an adaptive B+-tree basedindexing method for nearest neighbor search.Journal of the ACMTransactions on Database Systems 30—2,2005:364—397
[3] Aggarwal C C.On the Effects of Dimensionality reduction on high di-mensional similarity search.In:ACM PODS‘01.Symposium onPrinciples of Database Systems Conference,New York:ACM Press,2007:256—266
[4] Aggarwal C C.An efficient subspace sampling framework for high-di-mensional data reduction,selectivity estimation,and nearest-neighborsearch.IEEE Transactions on Knowledge and Data Engineering,2004;16(10):1247—1262
[5] Li C,Chang E,Garcia-Molina H,et al.Clustering for approximatesimilarity search in high-dimensional spaces.IEEE Transactions onKnowledge and Data Engineering,2006;14(4):792—808
[6] Yu D,Zhang A.ClusterTree:Integration of Cluster Representationand Nearest Neighbor Search for Large Datasets with High Dimension-ality.IEEE Transactions onKnowledge and Data Engineering,2003;15(5):1316—1337
[7] Kanungo T,Mount D M,Netanyahu N,et al.Anefficient k-meansclustering algorithm:analysis and implementation.IEEE Trans.Pat-tern Analysis and Machine Intelligence,2002;24:881—892
[8] Attila Gürsoy E E.Data decomposition for parallel K-means cluste-ring.In:Wyrzykowski R,Dongarra J J,Paprzycki M,et al.eds.Parallel processing and Applied Mathematics.LNCS,Springer,Heidelberg,2004:3019:241—248
[9] Berrani S-A,Amsaleg L,Gros P.Approximate Searches:k-Neighbors+Precision.In:CIKM‘03.Proceedings of the 12th ACM Interna-tional Conference on Information and Knowledge New York:ACMPress,2008:24—31
[10] Chavez E,Navarro G.Probabilistic proximity search:fighting thecurse ofdimensionality in metric spaces.Information Processing Let-ters,2003;85(1):39—46
军用多媒体数据库建模探讨 第10篇
随着我军信息技术的不断发展, 军队可视化保障技术能力日趋完善, 军队积累了大量可视化声像数据信息, 这些声像数据在军队各个领域建设中发挥着重要作用。但在大数据信息时代如何才能发挥利用好这些有军队特色的声像数据, 是军队声像从业人员都在思考的问题。目前广电行业虽已建有成熟的媒体资产管理系统, 但因军队体系的特殊性导致这些系统难以满足军队特殊使用需求, 本文通过总结多年从业经验, 结合军队自身声像数据管理特点, 提出了一个基于MIS系统数据库模型设计方案, 希望能够较完善的解决军队声像数据信息管理难题。
1 现状分析
目前, 解决多媒体查询的方案主要有以下几种:方案一以任务为主线, 建立任务档案管理系统, 多媒体信息作为档案的部分信息, 依存于其中;方案二是分门别类, 依媒体所展示实体的类型分别建表, 如导弹表、雷达表等, 媒体信息与这些表联系起来, 分别建立导弹媒体信息表、雷达媒体信息表等 (图1) ;方案三直接以媒体为主线, 不去进行分类, 而直接人工提取媒体的某些关键字段, 建立媒体信息表。
这三种方法各有优劣:依附于任务为主线的媒体建库方案, 对于任务的展示较为完整, 一般还具有相对完整的时间轴, 可以展示媒体间的前后顺序关系, 并在一定程度上可以展示媒体间的因果关系以及相互间的依赖关系;其缺点则是任务间的媒体关系不紧密, 相似媒体或相同类型的媒体之间缺乏关联, 难以进行横向的检索以及对比。依附于媒体展示实体的类型所建立的数据库, 其优点是可以对同一实体类型有较为全面的了解, 检索优势及对比优势明显, 并且可以通过增加任务字段使之与任务相关联, 避免了第一种方法的缺点;然而, 它必须要对每一类实体如导弹、火炮等都要建立一个表, 这需要非常专业的知识, 而且媒体所涉及的范畴非常广泛, 很难保障所建的每一个表都合理并相对完备。第三种方案相对灵活, 其优点是数据库建立较为容易, 可以较快的进入实用阶段, 但其关键字段的提取并不客观, 也往往会导致信息的缺失, 其检索能力也相对前二种方案为弱。
从上述分析可知, 以上方案各有自身的优势及缺点, 相对来说, 第三种方案容易实现, 但其检索能力弱导致实用性不强;第一种方案过于注重媒体信息与任务的关联, 发掘媒体信息的角度失于片面, 导致横向联系不紧密, 往往很难发掘媒体的价值;第二种方案较之另两种方案, 有一定的优势, 但涉及领域宽泛, 对于数据库设计人员的专业知识要求较高, 简而言之, 即数据表难以建立, 一但建表不符合要求, 就会导致难以预料的后果。
经以上分析可知, 以上三种方案并不能完全符合实际需求。因此, 迫切需要一种新的多媒体数据库的建模方案, 以解决此类问题。
2 解决方案
基于以上要求, 对数据库模型的结构设计如下。
2.1 数据库结构设计
数据库模型分为三层 (图2) , 第一层为基本信息层, 包括媒体基本信息表、媒体全文表、媒体表以及辅助信息表;
第二层为临时子表层, 依设定条件建立临时子表;
第三层为子表层, 当临时子表运行稳定, 即可转变为子表。
2.2 基本信息层的设计
本层是一个相对独立的范畴, 可以看成一个独立的MIS系统, 其目的是能够尽快让系统投入使用。媒体表存储此媒体的媒体信息, 如照片、录像、声音文件等, 因文件一般相对较大, 所以独立成表;媒体基本信息表存储此媒体的相关信息, 如名称、时间等;媒体全文表存储引媒体的全文介绍以及必要的媒体内容, 每个媒体对应单一的全文内容。至于辅助信息表则为泛指, 如用户表、用户使用记录表等一些非本文关注的内容。
本层有独立的功能设计, 以媒体基本信息表为主线, 设计查询统计检索等功能。实现较容易, 而且实现本层之后, 即可交付使用, 而不必等系统全部开发完毕。
本层的开发相当于第三种方案, 为避免第三种方案的缺陷, 设计了以下两层。
2.3 临时子表层的设计
当某种媒体有必要单独成类, 则需为其设计临时子表。
假设导弹有必要为其单独制表, 则需要为其建立临时表, 如:导弹临时字段表、导弹临时子表1、导弹临时子表2 ……导弹临时字段表包含为导弹添加的字段以及字段类型, 字段类型只能为两种:字符型与数字型。各导弹临时子表分别对应导弹临时字段表中的每个字段。即每个字段单独成表。
之所以如此设计, 是容错的考虑, 每个字段如果建立不当, 则只影响本字段本身, 不会对系统造成较大的影响。
有必要说明一下, 此部分建表以及建立字段是由系统的使用人员完成, 而代码编写人员要实现这些可视化的操作, 并自动实现其查询检索统计等功能。
2.4 子表层的设计
当临时子表运行一段时间, 系统使用人员对其有信心时, 即可将临时表转为正式表。此时与第一层关联后, 便成为一个完整的系统。
3 方案对比分析
本文方法结合了第二、三方案的优点, 能够很快投入使用, 且随着系统的使用, 又具备了第二方案能够横向比对、检索能力强的优点。同时又避开了二者的缺陷, 由于有临时层的缓冲设计, 字段选取不当等不会对系统造成较大冲击。本方案具有主要优点如下:
1.数据库能较快的建立, 尽快进入实用阶段;
2.随着数据库的深入使用, 能够不断的完善;
3.同类数据有较密切的联系, 利于对比及分析;
4.对数据库开发人员的领域知识要求相对较低;
5.更改数据库的结构不会造成数据丢失等严重后果。
本方案也有一定缺陷。
1. 程序设计较为复杂, 相对于一般的MIS系统, 系统的自动化程度较高, 对编程人员的要求较高;
2.在子表层进入实际应用之前, 系统的检索效率并不高;
3.系统的使用人员在使用系统时, 比一般MIS系统的使用人员承担的责任要多, 还需要承担系统成长的任务, 要求较高;
4. 系统的冗余度较高。
4 结论
从系统实现后的使用情况来看, 基本达到了系统的设计目的。另外, 本方案为未来对未知领域建MIS系统提供了一个思路、作了一个有益的尝试。
参考文献
[1]杨治平, 冯素梅.多媒体数据库的元数据存储与检索[J].重庆师范学院学报:自然科学版, 2002, 19 (1) :14-18.
[2]巩志国, 周龙骧, 董淑珍.分布式多媒体数据库系统[J].软件学报, 2000, 11 (1) :40-48.
[3]肖健宇, 张大方.多媒体数据库的关键技术:多媒体数据模型[J].计算机工程与应用, 2002, 38 (7) :215-217.
[4]傅锡天, 孙景敷.多媒体数据库管理系统的关键技术[J].电信科学, 1998, 14 (8) :1-4.
多媒体数据 第11篇
【关键词】舆情；大数据；公信力；融合
【作者单位】刘波维，绵阳师范学院。
近年来，微博、微信等新媒体迅速崛起，各大高校也纷纷建立自己的微信公众号等平台，期望把它发展成为高校舆情引导的主力军。近年召开的全国高校校报协会年会和各省内高校校报协会年会，主题也是新媒体与传统媒体的融合。虽然这些会议的主题也谈及了媒体融合，但是他们的重点只是如何发展新媒体，忽略了传统媒体。作者通过搜索中国知网资源数据库关于高校舆情的论文发现，近年来涌现了许多新媒体对高校网络舆情的引导路径类论文，如何碧如的《新媒体时代下高校网络舆情干预机制研究》、陶赋雯的《“微媒体”视域下高校舆情建设路径探究》等，但他们对新媒体与传统媒体如何融合起来引导舆情却很少涉及。在大数据时代，过分地拔高新媒体在高校舆情引导中的地位而忽略传统媒体，这对高校舆情的引导发展不利。本文以此入手，分析大数据时代，高校如何利用新媒体与传统媒体进行舆论引导，才能达到最佳效果。
一、微信成为大数据时代高校舆情新宠
网络的发展经历了互联网、物联网、云计算和大数据阶段。维克托·迈尔·舍恩伯格及肯尼斯·库提出的大数据是通过多种现代化技术手段采集海量化的数据，并采用科学的研究方法对它们进行综合分析、应用，进而使它们形成新的概念。其特点概括成四“V”，即容量巨大性（Volume）、种类多样性（Variety）、速度高速化（Velocity）以及很大的价值性（Value）[1]。目前，各大高校的舆情宣传工作主要利用报纸、电视等传统媒体以及微博、微信等新媒体进行。微博、微信等新媒体在高校舆情传播方面有如下优势：其一，信息的海量化和多样化；其二，受众绝大多数是本校的师生以及部分社会人群，因此舆情引导目标受众相对固定；其三，发布、接收信息不受时空限制，在时效性上优于纸媒等传统媒体；其四，微信定向发布可以精准送达目标人群。
二、大数据时代的校报彰显核心竞争力
虽然微信等新媒体在舆情宣传中具有明显的优势，但也不能取代纸媒等传统媒体在舆情宣传中的作用。校报作为一种特殊的高校媒介，是高校舆情宣传的主流媒体。校报是一面旗帜，用广阔的视界、专业的角度、理性的思维洞察问题的实质，预见舆情的未来，引领着师生。这是新媒体所缺失、不能弥补的核心竞争力。从信息源来看，新媒体为了体现传播事件的即时性，往往忽略了对舆情真实性的求证；相反，校报因为其周期性较长，有足够的时间和精力对内容进行求证，所以其准确性往往更可信。另外，校报是经过拥有专业知识的编辑筛选，以及有一定政治高度的高校党委层严格审查后才印刷发放的，比微信多了一道甚至几道关卡，减少舆情发生裂变的可能性，对舆情的宣传更精准，效果更佳。
2015年，成都商报总编辑陈海泉在成都商报战略发布会上指出，大数据时代，有价值的报纸要做好深度报道、调查新闻、专栏文章、数据新闻，从传递信息向传递价值改变[2]。新媒体对高校舆论的宣传是多种声音的快速传播，在注重“快”和“多”的同时往往忽略了“深”和“精”。2015年，四川省高校校报协会举办年会，四川大学的校报负责人在讲述他们的新媒体与传统媒体融合发展经验时表示，该校庞大的微信粉丝们更多时候是在使用微信的实用性服务功能，比如川大校园内的停车场导向、华西大学的门诊网上挂号等，而正式的舆论宣传和导向更多地还是依靠传统媒体。校报的头版往往会是国家和校内重大新闻资讯，其他版面会做教学研究、学生学习生活风貌、学生思想行为等方面的深度剖析。校报综合各种声音并对舆情进行主流疏导和预测，通过树立典型，唱响主旋律。美国评论家、舆论之父李普曼曾把报纸比作探照灯，把筛选比作聚焦，筛选决定探照灯需要照向的地方和人群。
三、新媒体与传统媒体互动，校际之间协作共享，构建高校舆情大格局
新媒体与传统媒体在高校舆情宣传引导过程中使用的时间和发挥的作用是有差别的，两者并不是对立关系，而是需要相互融合互动的。
1.新媒体与传统媒体融合，做好舆论引导的“时、效、度”
自媒体时代，信息的传播是快餐式和病情式的。这种快餐式和病毒式传播方式决定了新媒体在初期阶段能起到较大的宣传作用。不管大数据时代的信息量多么的海量，数据的真正价值就像漂浮在海洋中的冰山，第一眼只能看到冰山一角，而绝大部分则隐藏在表面之下[3]。因此，需要校报等纸媒搜集分析新媒体发布的各种信息和多向度的舆情，发挥“过滤器”和“把关人”的作用，提供更有价值的内容给受众。因此，高校利用新旧媒体，控制舆情传播的路径是：微信等新媒体在第一时间将信息传递给师生，校报等传统媒体则将这些信息进行搜集和分析，链接相关内容，找出舆情的发展状态、原因等因素，预测其发展方向并找到相关的内容传播给受众。在这个过程中，校报充当着舆论领袖的作用，它既传播和接收信息，又担负着把受众引导向自己所倡导的主流舆论方向上。由此可见，要想达到最佳的舆情宣传效果，必须将高校新媒体和传统媒体都充分利用起来，让优势得到充分发挥，达到信息传播的最佳效果。
高校舆情宣传对象是一个高度集中的特殊群体，其特征跟社会其他群体有显著区别。他们受教育的程度都很高，且个体间差别不大，性格热情奔放。因此，一旦出现某一带有争议性的事件时，舆情就会很快在这个高度集中和庞大的受众群体传播，使某一种观点快速得到加强和支持。传媒学者詹姆斯·斯托纳提出的“群体极化”现象在高校这一特殊环境中表现得尤为突出。高校新媒体的优势主要体现在发送信息的即时性和准确性上，这恰好弥补了校报等纸媒的劣势。而纸媒经过这么多年的改革和创新，深度报道、观点评论等具有方向性引导的传播内容是它的主要特色。我们看看近两年高校校报对舆情的报道和引导：在艰难困苦环境中不畏险阻、积极向上的励志故事“轮椅上的成长岁月”（《曲靖师院报》）、“多份兼职在身 坚持按摩照顾偏瘫父亲——90后女生背着父亲读大学”（《浙江海洋学院报》）等；倡导诚信的“哪怕几十元，我也要还”（《西南石油大学报》）；响应国家政策鼓励大学生积极创业的“丽维家创始人周宇翔：我靠什么打动雷军”（《西华大学报》）、“‘传奇’大学生半年拉950万订单”（《临沂大学报》）；以及在商品经济社会中倡导人生观和价值观的“一个退休副教授的‘穷’和‘富’”《湖北大学报》……这些虽然看似是对身边事物的报道，实际是根据整个社会、高校出现的正负舆情提出主流舆论的观点，并进行正面引导。校报通过树立一些典型的代表性人物和事件，奏响舆论的主旋律。这种主旋律的奏响往往对正面舆情的“群体极化”现象更有利，避免形成負面舆情的“群体极化”现象。
2.实现高校间舆情协作共享，构建大数据时代的大舆情格局
高校与高校之间舆情协作共享除了网站可以互访，互相邮寄校报共阅也是一种很好的方式，这些方式有利于大数据时代舆情引导的协作共享，有利于更好地对负面舆情防微杜渐。然而，我国高校传统的舆情管理观念和处理方式是对负面舆情“堵”和“禁”。例如，高校都有自己的贴吧BBS和主页留言方式等，一旦有不利于学校的言论，他们就会采取删帖或者封号的方式来进行控制。这种落后的理念和方式越来越不适应快速发展的时代，也严重地影响了高校之间的大数据共享。大数据时代，高校应该考虑如何利用新媒体与传统媒体实现舆情管理的协作创新。笔者认为，只有利用新媒体与传统媒体实现高校间的舆情协作共享，才能构建大数据时代的大舆情格局，也才能有效地管理好各自高校的舆情发展。
如何实现高校间的舆情协作共享？首先，高校的管理者需转变观念，正确面对和处理负面舆情，切勿只报喜不报忧，对负面舆情不只是“堵”和“禁”，而是利用好新媒体与传统媒体及时曝光，积极迅速进行“疏”和“导”；同时，负面舆情出现之后要及时总结经验，利用新媒体与传统媒体进行传播，广而告之，并引以为鉴。其次，高校间应加强舆情管理的交流沟通，分享各自的舆情治理之道，真正做到大数据时代的舆情协作共享机制，构建起大舆情的格局。
综上所述，高校舆情管理需要合理利用新媒体与传统媒体。只有充分利用新媒体与传统媒体的特点和传播优势，发挥各自的功能，加强融合互补，才能真正把握舆论引导的“时、效、度”。
[1] 王超. 大数据时代我国意识形态安全探析[J]. 学术论坛，2015（1）：18.
[2] 陈海泉. 2016成都商报“进无纸境”战略发布会举行[EB/OL].http：//news.iresearch.cn/content/2016/01/257640.shtml.
[3] [英]维克托·迈尔·舍恩伯格，肯尼思·库克耶. 大数据时代[M]. 盛扬燕，周涛，译. 杭州：浙江人民出版社，2013.
移动多媒体广播第5部分:数据广播 第12篇
(1)业务数据如何采用统一的语法适配封装到CMMB复用子帧;
(2)传输丢包时如何把丢失的数据包恢复出来(纠删)。
1 关键技术点
1) 系统架构
CMMB可开展的数据业务无法穷举，不可能为每种业务都制定一种适配封装语法。本标准将业务形态划分成流模式和文件模式，采用XPE/XPE-FEC语法将业务数据统一适配封装到CMMB复用子帧。
2) 可扩展协议封装
本标准定义了XPE/XPE-FEC封装语法，可将业务数据统一适配封装到CMMB复用子帧。
3) 流模式
若数据业务以连续流的方式展现，通常有时序要求、传输有时间标签指示或数据流内部有同步要求，采用流模式进行处理，可以封装传输IP数据。
4) 文件模式
若数据业务以离散数据文件的方式展现，通常无时序要求、传输无时间标签指示或同步要求，采用文件模式进行处理。
数据业务由若干分布在多个目录中的文件组成，构建文件属性表 (FAT) 用以描述数据业务的目录结构、文件属性、传输分割参数等信息。FAT采用XML语法描述，本身也是一个文件。终端首先接收、解析FAT文件，然后根据FAT文件的指示收集数据业务文件。
5) 文件模式数据业务的文件构成
数据文件需要进行分割、纠删编码、数据封装等处理，以便适配复用传输。
6) LDGC纠删
本标准采用了LDGC纠删算法。为了衡量该算法的优劣，同DVB-H采用的Rator算法进行了比较。
2 项目成果应用
本标准自2008年2月1日实施以来，CMMB运营公司“中广传播集团有限公司”已经基于该标准开展了如下数据业务。
睛彩财经：把实时股市信息以广播方式推送到CMMB终端，用户可以对股市数据进行详细分析，为股民提供的服务包括实时行情报价、大盘走势、涨幅排行等。
睛彩导航：为用户发送实时的道路拥堵情况、车辆流量信息、路况资料等，指导用户绕行，从而实现智能交通诱导功能。
睛彩阅读：将报纸、杂志、书籍等内容发送到用户终端，带给用户全新的阅读体验。
3 社会经济效益
本项目对移动多媒体广播的发展起到积极推进和支撑作用，有力地带动我国消费电子等产业的发展。
多媒体数据范文
声明：除非特别标注，否则均为本站原创文章，转载时请以链接形式注明文章出处。如若本站内容侵犯了原著者的合法权益，可联系本站删除。
