第1章VFP6概述 第2章VFP的基本操作方法 第3章利用项目管理器设计数据库和表 第4章数据的检索、统计与多工作区操作 第5章VFP6程序设计基 第6章查询与视图 第7章VFP6表单设计 第8章报表、标签设计 第9章VFP6菜单设计 第10章利用API设计应用 第11章多用户与共享技术

“一个具有信息素养的人,他能够认 识到精确的和完整的信息是做出合理决策 的基础,确定对信息的需求,形成基于信 息需求的问题,确定潜在的信息源,制定 成功的检索方案,从包括基于计算机和其 他信息源获取信息、评价信息、组织信息 于实际的应用,将新信息与原有的知识体 系进行融合以及在批判性思考和问题解决 的过程中使用信息

WWW服务的基本概念 Internet信息检索技术 网页开发技术与HTML语言的基础知识 Windows2000中WWW服务器的配置 虚拟服务器技术

1.1 信息与网络信息 1.2 网络信息膨胀及其带来的负面影响 1.3 信息膨胀问题产生的原因分析 1.4 解决信息膨胀问题的基本思路

• 查询优化概述 • 相关反馈(relevance feedback) • 相关反馈概述 • Rocchio 相关反馈算法 • 隐式相关反馈 • 伪相关反馈 • 相关反馈的假设条件及评价方法 • 查询扩展(Query expansion)

• 支持向量机 • 二元线性SVM • SVM用于非线性分类 • 机器学习方法 • 人工神经网络（Artificial Neural Network, ANN） • 深度学习（Deep Learning）现状 • 经典的深度学习模型/算法 • 卷积神经网络 Convolutional Neural Networks (CNN) • 多层反馈网络 Recurrent neural Network(RNN) • 自动编码器 AutoEncoder • 受限玻尔兹曼机 Restricted Boltzmann Machine, RBM • 深度置信网络 (Deep Belief Nets，DBN）

• 什么是Graphical Model • 定义、示例 • Representation、Inference、Learning • 主题模型与分类 • LSA (Latent Semantic Analysis), 1990 • pLSA (probabilistic Latent Semantic Analysis), 1999 • LDA(Latent Dirichlet Allocation), 2003 • Hierarchical Bayesian model • 主题模型的R语言实现示例

• 聚类概述 • 什么是聚类？在IR中如何用聚类？聚类的几个术语 • K-均值聚类算法 • K-均值聚类中的基本准则 • K-均值算法中簇的个数 • 聚类评价 • purity、NMI（Normalized Mutual Information，)、RI（Rand Index)、F measure • 基于模型的聚类 • 层次聚类简介 • 层次聚类的簇相似度计算 • 四种HAC算法：单连接、全连接 、组平均、质心法

多媒体网络未来趋势分析  Augmented reality  Ubiquitous Computing  Internet of Things 多媒体网络中的信息组织与搜索方法的变迁  Google PageRank多媒体检索  WEBSemantic WEB 信息发布方法与计算架构的变迁  P2P、CDN、EC、MEC  Data Centric Network Information Centric Network 软件定义网络与网络功能虚拟化  SDN(Software Defined Network)  NFV(Network Function Virtualization)

10.1 图像处理在数字水印上的应用 10.2 基于形态学的图像颗粒度分析系统 10.3 基于内容的图像检索（CBIR） 10.4 数字化医院中的图像存档与通信系统 10.5 PHOTOSHOP图像处理软件简介