下载文档原格式
论⽂检索常⽤⽹站论⽂检索常⽤⽹站更多内容，请看：1. Web of ScienceWeb of Science是全球获取学术信息的重要数据库，由以下⼏个重要部分组成：(1) Science Citation Index-Expanded （SCIE，科学引⽂索引）7792种期刊1900-(2) Social Sciences Citation Index （SSCI，社会科学引⽂索引）2405种期刊1956-(3) Arts & Humanities Citation Index（A&HCI,艺术⼈⽂引⽂索引）1295种期刊1975-(4) Index Chemicus收录了1993年以来新的化学物质事实性的数据(5) Current Chemical Reactions 收集了1840年以来新的化学反应的事实性的数据 在2008年10⽉20⽇，Web of Science⼜整合了原来的ISI Proceedings（国际会议录，其中⾃然科学版即三⼤检索之⼀的ISTP）并扩充了会议录的引⽂索引功能，从⽽使其覆盖⾯进⼀步扩⼤。
通过Web of Science，研究⼈员能够找到当前⾃然科学、社会科学、和艺术与⼈⽂领域的信息，包括来⾃全世界近9,000多种最负盛名的⾼影响⼒研究期刊及12,000多种学术会议⼀个多世纪以来的多学科内容。
2. ScienceDirectScienceDirect () 是全球应⽤最⼴泛的全⽂数据库，全球最著名的科技医学全⽂数据库之⼀，其直观友好的使⽤界⾯，使研究⼈员可以迅速链接到Elsevier出版社丰富的电⼦资源，包括期刊全⽂、单⾏本电⼦书、参考⼯具书、⼿册以及图书系列等。
⽤户可在线访问24 个学科超过 2500多种期刊，17000种图书，查看1200万篇全⽂⽂献。
全球范围内，ScienceDirect获得了134个国家1100万科研⼈员的认可。
从2000 年起，ScienceDirect 由中国CALIS ⼯程中⼼组织集团订购。
190《模式识别与人工智能》投稿指南《模式识别与人工智能》是中国自动化学会、国家智能计算机研究开发中心和中国科学院合肥智能机械研究所共同主办的学术刊物。
本刊面向国内外各高等院校、研究机构和企业的科研人员、教师、工程技术人员及研究生和高年级大学生。
办刊宗旨：模式识别、人工智能学科是信息科学与技术的重要组成部分,本刊发表与此有关的最新研究成果与进展，旨在推动信息科学技术的发展。
I、模式识别的理论与方法3、机器学习5、计算智能及网络智能7、图像处理、分析与理解9、语音合成与识别II、情感计算与智能交互13、生物信息学与计算生物学15、知识工程与推理一、来稿要求2、人工智能的理论与方法4、智能芯片与新型计算架构6、大数据分析与知识发现8、计算机视觉与认知计算10、自然语言处理12、机器人与智能系统14、粒计算与智能决策16、人工智能行业应用1、来稿具有创新学术价值，有自己新的观点和见解,可推动或丰富该课题领域的研究与发展;或具有重大实用价值的创新开发成果。
2、来稿要求论点明确，数据可靠,论证合理,层次分明,文字精炼。
3、来稿未在正式出版物发表过，且不存在一稿多投和抄袭现象。
作者文责自负。
4、稿件内容属于作者的科研成果;署名无争议;引用他人成果已注明出处。
二、来稿注意事项1、稿件首页应包括:题目、真实姓名（用汉语拼音）、详细工作单位、城市及邮政编码、中英文摘要、中英文关键词。
中文摘要200字左右，英文摘要200词左右。
关键词中英文应对应,3~5条为宜。
2、摘要应符合“拥有与论文同等量的主要信息”的原则，应包括“研究目的、方法、结果、结论”四要素。
研究目的应精炼。
3、来稿必须做到清稿定稿。
稿件中的外文字母须分清大、小写，正斜体;上、下角的字母、数字和符号，其位置高低应区别明显;符号第一次出现时需进行说明。
4、文中的计量单位一律使用《中华人民共和国法定计量单位》。
文中图表只附最必要的，插图、表精绘,图中文字清楚，应有图序、图题和图注，且应中英文对照。
各类搜索引擎的分类、特点、工作原理及代表1,图片搜索引擎图片搜索是通过搜索程序，向用户提供互联网上相关的图片资料的服务。
从所使用的技术上来分类，可分为：(1) 基于上下文本（context）的图片搜索,传统意义上图片搜索通常是通过Alt等锚来索引，搜索的，《浅谈图片搜索引擎的实现》中提出了跨越性的图片搜索的实现，具有很高的参考价值。
如果这一设想可以实现，那将极大的改变人们的生活具有很高的参考价值。
(2) 基于图片内容的搜索基于文本的图片搜索涉及了数据库管理、计算机视觉、图像处理、模式识别、信息检索和认知心理学等诸多学科，其相关技术主要包括:图像数据模型、特征提取方法、索引结构、相似性度量、查询表达模式、检索方法等。
相似图片的检测主要涉及特征表示和相似性度量这两类关键技术。
图像特征的提取与表达是基于内容的图像处理技术的基础。
从广义上讲，图像的特征包括基于文本的特征(如关键字、注释等)和视觉特征(如颜色、纹理、形状等)两类。
2.全文索引全文搜索引擎的代表是网络爬虫，网络爬虫是一个自动提取网页的程序，它为搜索引擎从Internet网上下载网页，是搜索引擎的重要组成。
传统爬虫从一个或若干初始网页的URL 开始，获得初始网页上的URL，在抓取网页的过程中，不断从当前页面上抽取新的URL放入队列,直到满足系统的一定停止条件。
聚焦爬虫的工作流程较为复杂，需要根据一定的网页分析算法过滤与主题无关的链接，保留有用的链接并放入等待抓取的URL队列。
然后，它将根据一定的搜索策略从队列中选择下一步要抓取的网页，并重复上述过程，直到达到系统的某一条件时停止。
所有被爬虫抓取的网页将会被系统存贮，进行一定的分析、过滤，并建立索引，以便之后的查询和检索；对于聚焦爬虫来说，这一过程所得到的分析结果还可能对以后的抓取过程给出反馈和指导。
爬虫设计是否合理将直接影响它访问Web的效率,影响搜索数据库的质量,另外在设计爬虫时还必须考虑它对网络和被访问站点的影响,因为爬虫一般都运行在速度快,带宽高的主机上,如果它快速访问一个速度较慢的目标站点,可能导致该站点出现阻塞。
移动互联网环境下的网络用户行为模式识别随着移动互联网的普及与发展，网络用户行为也发生了改变。
越来越多的人开始使用移动设备如手机和平板电脑上网，这种新的使用环境所带来的便利性和多样性，也为网络用户行为模式的识别提供了新的挑战和机遇。
一、移动互联网环境下的网络用户行为概述移动互联网环境下的网络用户行为模式指的是用户在使用移动设备上网过程中所展现的行为方式和习惯。
由于移动设备的特殊性，包括触摸屏、无线网络等特点，使得用户与网络的互动方式与传统的电脑上网有很大的不同。
在移动设备上，用户更加注重信息的实时获取和即时互动。
例如，用户使用手机上的社交媒体应用，可以随时和朋友们分享动态，并及时收到他人的回应。
这种快速互动的特点，给用户带来了更多的便利，也增加了用户的互动频率。
二、移动互联网环境下的网络用户行为模式识别技术为了更好地理解和预测用户行为，识别用户行为模式就显得尤为重要。
目前，移动互联网环境下的网络用户行为模式识别技术主要包括以下几种。
1. 数据采集与挖掘：通过收集用户在移动设备上的行为数据，并利用数据挖掘技术，提取出用户的行为特征和模式。
这种技术可以帮助企业了解用户的偏好和需求，以便提供更加个性化和精准的服务。
2. 位置感知与分析：移动设备的特点之一就是可以获取用户的地理位置信息。
通过对用户位置的感知和分析，可以更精确地了解用户的行为特征和模式。
例如，用户经常出现在某个商场附近，可能是因为他感兴趣的商品在该商场有更多的选择。
这种位置感知和分析技术可以为商家提供更有效的广告投放方案。
3. 行为预测与推荐：通过对用户过去行为数据的分析，可以预测用户未来的行为，并向用户推荐相关的内容和服务。
例如，用户在某个购物网站上经常浏览某个品牌的商品，那么系统可以自动向用户推荐该品牌的新款产品。
这种个性化的推荐技术可以提高用户的满意度和忠诚度。
三、移动互联网环境下的网络用户行为模式识别的应用移动互联网环境下的网络用户行为模式识别可以应用于各个领域，以下是几个具体的应用案例。
第一节图像处理及人工智能网站1．图像处理基础网站，对初学者很有益http://www.ph.tn.tudelft.nl/Courses/FIP/noframes/fip-Contents.html。
2．中国图形图像学会/ 。
3．中国图像图形学报/。
4．美国冈萨雷斯等研究数字图像处理的网站/gonzalezwoods，里面涉及很多图像素材和图像处理算法、授课讲义和课件等。
5．图像处理教学网站 。
6．中国科技大学人工智能实验室/。
7．图象识别与人工智能研究所/。
8．人工智能历史/A-D/detaila~d/AIHistory.htm。
9．神经网络在线/。
10．人工神经网络首页/ann/index.htm。
11．北京邮电大学模式识别与智能系统网站/。
12．欧洲人工智能联合会ECCAI（European Coordinating Committee for Artificial Intelligence）/。
13．国际人工智能联合会IJCAI( IJCAI is the International Joint Conference on Artificial Intelligence, the main international gathering of researchers in AI.)/。
14.美国人工智能联合会AAAI (American Association for Artificial Intelligence (AAAI) devote toadvancing the scientific understanding of the mechanisms underlying thought and intelligent behavior and their embodiment in machines. )/。
第二节图像处理网络资源从事图像处理方面的研究工作，需关注两个问题：其一是要把握住国际上最前沿的内容；其二是研究工作要具备很深的实用背景。
pattern recognition letters 的latex模板Pattern Recognition Letters是一个国际性的科学期刊，该期刊主要关注模式识别和人工智能相关的不同方面，如图像处理、模式识别、机器学习等。
这篇文章将介绍Pattern Recognition Letters的LaTeX模板，并提供一些相关的参考内容。
Pattern Recognition Letters的LaTeX模板采用的是Elsevier公式，可以通过Elsevier官方网站下载。
在开始使用该模板之前，需要先安装LaTeX的相关软件，如TeX Live或MiKTeX。
安装完成后，可以下载Pattern Recognition Letters的LaTeX模板文件。
在开始编写正文之前，需要进行一些设置。
首先，需要确定文档类别是article，并设置字体大小为11pt。
可以使用如下代码进行设置：\begin{verbatim}\documentclass[11pt]{article}\end{verbatim}接下来，需要设置页面的边距。
Pattern Recognition Letters的边距设置为上下左右均为 2.5cm。
可以使用如下代码进行设置：\begin{verbatim}\usepackage[top=2.5cm, bottom=2.5cm, left=2.5cm,right=2.5cm]{geometry}\end{verbatim}然后，需要加载Pattern Recognition Letters的LaTeX模板文件。
可以使用如下代码进行加载：\begin{verbatim}\usepackage{prletters}\end{verbatim}接下来，就可以开始正文的编写。
在正文的开头，可以使用\textbackslashbegin\{document\}和\textbackslashend\{document\}进行标识。
1、中国人工智能网网址：简介：中国人工智能网, 人工智能、模式识别和数字图像处理的专业网站。
内容包括：神经网络, 手写体文字识别, 指纹识别, 语音识别, 人脸识别,专家系统等。
2、人工智能实验室网址：简介：人工智能实验室(AiLab)是中国目前最大最专业的人工智能网上门户，本站汇集了最全面的人工智能学科知识和学习资料，是各位人工智能爱好者学习和交流不可或缺的平台，人工智能实验室，一群梦想者的快乐家园!3、最人工智能网网址：简介：最人工智能网：你挚爱的人工智能、科学人文网站! 本站是关于人工智能领域的专业网站。
4、21世纪人工智能论坛网址:简介：21世纪人工智能论坛，这里是人工智能和计算机技术爱好者们自由交流的好地方。
5、中文自然语言处理开放平台网址:简介：中文自然语言处理开放平台是一个旨在增进中文自然语言处理领域内学术和思想交流，促进资源共享的开放式网站平台。
我们热切期盼所有本领域的学术同仁和爱好者在平等、合作和交流的基础上加入“开放平台”，共同参与“开放平台”的组织和管理工作。
我们相信，只有更多志同道合的人的参与，才能使我们的力量逐步发展壮大!6、智能中国网网址:简介：智能中国网()，目前已经成为中国最大的、访问量最高人工智能专业网站。
该网站设立了创业和研发资源两个平台，为广大的俱乐部会员提供学习、资料下载、项目实践、项目交易、产品研发、在线培训、创业等服务。
通过这些服务，帮助会员获取能力、提高能力、展示能力、实现人生价值。
7、中国图像网网址：简介：中国图像网，中国最具权威的机器视觉专业网站，由中国图象图形学会机器视觉专业委员会主办。
关注领域：机器视觉、图像处理、人工智能、机器人、模式识别、医学图像等。
8、神经网络在线网址：简介：人工神经网络专业网站。
9、语音识别网网址：简介：一个专业研究语音识别和开发语音识别软件的网站。
10、人工智能学会/简介：中国人工智能学会成立于1981年，是经国家民政部正式注册的我国智能科学技术领域唯一的国家级学会，具有独立法人资格;是中国科学技术协会的正式团体会员，具有推荐“两院院士”的资格，已申请设立《吴文俊智能科学技术奖》。
作图像处理方面的研究工作，最重要的两个问题：其一是要把握住国际上最前沿的内容；其二是所作工作要具备很高的实用背景。
解决第一个问题的办法就是找出这个方向公认最牛的几个超级大拿(看看他们都在作什么)和最权威的出版物(阅读上面最新的文献)，解决第二个问题的办法是你最好能够找到一个实际应用的项目，边做边写文章。
做好这几点的途径之一就是充分利用网络资源，特别是权威网站和大拿们的个人主页。
下面是我收集的一些资源，希望对大家有用。
(这里我要感谢SMTH AI版的alamarik 和Graphics版的faintt)导航栏：[1]研究群体[2]大拿主页[3]前沿期刊[4]GPL软件资源[5]搜索引擎一、研究群体/~cil/vision.html这是卡奈基梅隆大学的计算机视觉研究组的主页，上面提供很全的资料，从发表文章的下载到演示程序、测试图像、常用链接、相关软硬件，甚至还有一个搜索引擎。
http://www.cmis.csiro.au/IAP/zimage.htm这是一个侧重图像分析的站点，一般。
但是提供一个Image Analysis环境---ZIMAGE and SZIMAGE。
/康奈尔大学的计算机视觉和图像分析研究组，好像是电子和计算机工程系的。
侧重医学方面的研究，但是在上面有相当不错资源，关键是它正在建设中，能够跟踪一些信息。
/istl/groups/did/didoverview.shtml有一个很有意思的项目：DID(文档图像解码)。
/斯坦福大学计算机系主页，自己找吧:(/analysis/主要研究：Brain Extraction Tool,Nonlinear noise reduction,Linear Image Registration,Automated Segmentation,Structural brain change analysis,motion correction,etc./prip/这是密歇根州立大学计算机和电子工程系的模式识别--图像处理研究组，它的FTP上有许多的文章(NEW)。
http://pandora.inf.uni-jena.de/p/e/index.html德国的一个数字图像处理研究小组，在其上面能找到一些不错的链接资源。
.au/~sean/CVCC.dir/home.htmlCVIP(used to be CVCC for Computer Vision and Cluster Computing) is a research group focusing on cluster-based computer vision within the Spiral Architecture./The mission of the Center for Image Analysis is to foster multi-disciplinary research in image, multimedia and related technologies by establishing links between academic institutes, industry and government agencies, and to transfer key technologies tohelp industry build nextgeneration commercial and military imaging and multimedia systems./info/groups.html可以通过它来搜索全世界各地的知名的计算机视觉研究组(CV Groups)，极力推荐。
二、图像处理GPL库http://www.ph.tn.tudelft.nl/~klamer/cppima.htmlCppima 是一个图像处理的C++函数库。
这里有一个较全面介绍它的库函数的文档，当然你也可以下载压缩的GZIP包，里面包含TexInfo格式的文档。
/Welcome to the IRAF Homepage! IRAF is the Image Reduction and Analysis Facility, a general purpose softwaresystem for the reduction and analysis of astronomical data./tnimage.html一个非常不错的Unix系统的图像处理工具，看看它的截图。
你可以在此基础上构建自己的专用图像处理工具包。
/projects/这是GPL软件集散地，到这里找你想要得到的IP库吧。
三、搜索资源当然这里基本的搜索引擎还是必须要依靠的，比如Google等，可以到我常用的链接看看。
下面的链接可能会节省你一些时间：//mirrors/SAL/index.shtml四、大拿网页/people/wtf/这位可是MIT人工智能实验室的BILL FREEMAN。
大名鼎鼎！专长是：理解--贝叶斯模型。
/people/brand/MERL(Mitsubishi Electric Research Laboratory)中的擅长“Style Machine”高手。
/~ablake/CV界极有声望的A.Blake 1977年毕业于剑桥大学三一学院并或数学与电子科学学士学位。
之后在MIT，Edinburgh，Oxford先后组建过研究小组并成为Oxford的教授，直到1999年进入微软剑桥研究中心。
主要工作领域是计算机视觉。
/afs//user/har/Web/home.html这位牛人好像正在学习汉语，并且搜集了诸如“两只老虎(Two Tigers)”的歌曲，嘿嘿:) 他的主页上面还有几个牛：Shumeet Baluja, Takeo Kanade。
他们的Face Detection作的绝对是世界一流。
他毕业于卡奈基梅隆大学的计算机科学系，兴趣是计算机视觉。
/yrui_ifp_home/html/huang_frame.html这位老牛在1963年就获得了MIT的博士学位！他领导的Image Lab比较出名的是指纹识别。
--------------------------------------------------------------------------------下面这些是我搜集的牛群(大部分是如日中天的Ph.D们)，可以学习的是他们的Study Ways!Finn Lindgren(Sweden):Statistical image analysishttp://www.maths.lth.se/matstat/staff/finn/Pavel Paclik(Prague):statistical pattern recognitionhttp://www.ph.tn.tudelft.nl/~pavel/Dr. Mark Burge:machine learning and graph theory/burge/yalin Wang:Document Image Analysis/~ylwang/Geir Storvik: Image analysis http://www.math.uio.no/~geirs/Heidorn /~heidorn/Joakim Lindblad:Digital Image Cytometryhttp://www.cb.uu.se/~joakim/index_eng.htmlvirotte: http://www-sop.inria.fr/cafe/virotte/Sporring:scale-space techniquesb3d.odont.ku.dk/~sporring/Mark Jenkinson:Reduction of MR Artefacts/~mark/Justin K. Romberg:digital signal processing/~jrom/Fauqueur:Image retrieval by regions of interesthttp://www-rocq.inria.fr/~fauqueur/James J. Nolan:Computer Vision /~jnolan/Daniel X. Pape:Information /~dpape/Drew Pilant:remote sensing technology/~anpilant/index.html五、前沿期刊(TOP10)这里的期刊大部分都可以通过上面的大拿们的主页间接找到，在这列出主要是为了节省直接想找期刊投稿的兄弟的时间:)IEEE Trans. On PAMI /tpami/index.htmIEEE Transactionson Image Processing/organizations/pubs/transactions/tip.htmPattern Recognition /locate/issn/00313203 Pattern Recognition Letters /locate/issn/01678655神经网络Neural Networks Tutorial Reviewhttp://hem.hj.se/~de96klda/NeuralNetworks.htmftp:///pub/neural/FAQ.htmlImage Compression with Neural Networks/digimaging/neural.htmBackpropagator's Review/bpr/bpr.htmlBibliographies on Neural Networksa.de/bibliography/Neural/Intelligent Motion Control with an Artificial Cerebellum /phd.htmlKernel Machines/Some Neural Networks Research Organizations /nnc//Neural Network Modeling in Vision Research/nisms.htmlNeural Networks and Machine Learning/Neural Application SoftwareNeural Network Toolbox for MATLAB/products/neuralnet/Netlab Software/netlab/Kunama Systems Limited/Computer VisionComputer Vision Homepage, Carnegie Mellon University/~cil/vision.htmlAnnotated Computer Vision Bibliography/Vision-Notes/bibliography/contents.html/Vision-Notes/rosenfeld/contents.htmlLawrence Berkeley National Lab Computer Vision and Robotics Applications /ITG.hm.pg.docs/VISIon/vision.htmlCVonline by University of EdinburghThe Evolving, Distributed, Non-Proprietary, On-Line Compendium of Computer Vision, /CVonlineComputer Vision Handbook,/~fleck/computer-vision-handbookVision Systems Courseware/Dave/Vision_lecture/Vision_lecture_caller.htmlResearch Activities in Computer Visionhttp://www-syntim.inria.fr/syntim/analyse/index-eng.htmlVision Systems Acronyms/vsd/archive/acronyms.htmlDictionary of Terms in Human and Animal Vision/pub/laliden/WWW/Visionary/Visionary.html Metrology based on Computer Vision/sme/amac/research/metrology/metrology.html Digital PhotographyDigital Photography, Scanning, and Image Processing/scanners/scanners.htmlEducational Resources, UniversitiesCenter for Image Processing in EducationLibrary of Congress Call Numbers Related to Imaging Science by Rochester Institute of Technology/pubs/guides/imagingcall.htmlMathematical Experiences through Image Processing, University of Washington/research/metip/metip.htmlVismod Tech Reports and Publications, MIT/cgi-bin/tr_pagemakerVision Lab PhD dissertation list, University of Antwerphttp://wcc.ruca.ua.ac.be/~visielab/theses.htmlINRIA (France) Research Projects: Human-Computer Interaction, Image Processing, Data Management, Knowledge Systemswww.inria.fr/Themes/Theme3-eng.htmlImage Processing Resources/~rls3/Contents.htmPublications of Carsten Stegerrmatik.tu-muenchen.de/people/steger/publications.html FAQscomp.dsp FAQ/faq/dsp_faq.htmRobotics FAQ/robotics-faqWhere's the sci.image.processing FAQ?/olc_answers/packages/graphics/sci.image.processing. faq.htmlcomp.graphics.algorithms FAQ, Section 3, 2D Image/Pixel Computations /docs/cgafaqAstronomical Image Processing System FAQ/aips/aips_faq.html。
