基于本体的网络学习资源中图像信息的组织和利用
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第8-15页 |
| ·论文研究背景 | 第8-9页 |
| ·研究现状 | 第9-13页 |
| ·目前本体技术的研究 | 第9-11页 |
| ·图像检索研究现状 | 第11-13页 |
| ·论文研究的目的 | 第13-14页 |
| ·本文的组织结构 | 第14-15页 |
| 第二章 相关理论与技术 | 第15-32页 |
| ·网络学习资源 | 第15-17页 |
| ·网络学习资源简介 | 第15-16页 |
| ·网络学习资源的内涵及特征 | 第16页 |
| ·网络学习资源的组成 | 第16-17页 |
| ·语义 WEB | 第17-19页 |
| ·语义 Web 的简介 | 第17-18页 |
| ·语义 Web 的层次结构 | 第18-19页 |
| ·本体 | 第19-30页 |
| ·本体的概念 | 第19-21页 |
| ·本体的分类 | 第21-22页 |
| ·本体构建方法 | 第22-24页 |
| ·本体描述语言 | 第24-28页 |
| ·本体编辑工具 | 第28-29页 |
| ·本体的推理机 Jena | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 第三章 图像检索的相关技术 | 第32-41页 |
| ·图像语义层次 | 第32-33页 |
| ·图像检索方式分类 | 第33-36页 |
| ·基于文本的检索方式 | 第33-34页 |
| ·基于内容的检索方式 | 第34-35页 |
| ·基于语义的检索方式 | 第35-36页 |
| ·图像特征提取的相关理论 | 第36-40页 |
| ·图像颜色特征 | 第36-37页 |
| ·图像纹理特征 | 第37-38页 |
| ·形状特征分析 | 第38页 |
| ·空间特征分析 | 第38-39页 |
| ·图像特征的相似度度量 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 构建图像本体 | 第41-53页 |
| ·本体在图像检索中的应用 | 第41-42页 |
| ·图像本体的设计 | 第42-45页 |
| ·使用 PROTéGé构建图像本体 | 第45-46页 |
| ·图像分类与图像语义半自动标注 | 第46-52页 |
| ·支持向量机理论 | 第46-49页 |
| ·利用 SVM 进行图像分类 | 第49-50页 |
| ·利用 SVM 自动提取图像高层语义特征 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 基于本体的图像检索实验系统 | 第53-62页 |
| ·系统模型框架结构设计 | 第53-54页 |
| ·图像库及语义分类 | 第54-57页 |
| ·图像检索算法 | 第57-58页 |
| ·图像检索方式 | 第57-58页 |
| ·检索算法 | 第58页 |
| ·图像检索的实验及结果分析 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| ·论文总结 | 第62页 |
| ·今后研究的改进 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位期间发表的论文和参与的项目 | 第69页 |
