首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于弱随机映射的目标检索技术研究

表目录第6-7页
图目录第7-8页
摘要第8-9页
ABSTRACT第9-10页
第一章 绪论第11-21页
    1.1 课题背景及研究意义第11-12页
    1.2 国内外研究现状第12-18页
        1.2.1 图像特征提取第12-14页
        1.2.2 索引的构建第14-16页
        1.2.3 相似性度量第16-17页
        1.2.4 应用研究现状第17-18页
    1.3 目标检索技术研究存在的问题和难点第18-19页
    1.4 论文的工作和组织第19-21页
        1.4.1 论文主要工作第19-20页
        1.4.2 论文组织结构第20-21页
第二章 弱随机化视觉词典组模型第21-37页
    2.1 视觉词典法第21-27页
        2.1.1 SIFT 特征提取第21-25页
        2.1.2 视觉词典的生成第25-27页
    2.2 弱随机化视觉词典组模型原理分析第27-28页
    2.3 E~2LSH 算法和随机森林算法第28-32页
        2.3.1 E~2LSH 基本定义第29-30页
        2.3.2 E~2LSH 哈希原理第30-31页
        2.3.3 随机森林算法第31-32页
    2.4 弱随机化视觉词典组第32-34页
    2.5 实验性能分析第34-36页
    2.6 本章小结第36-37页
第三章 基于弱随机化视觉词典组和查询扩展的目标检索第37-46页
    3.1 基于弱随机化视觉词典组和查询扩展的目标检索原理分析第37-38页
    3.2 查询扩展技术第38-39页
    3.3 基于弱随机化视觉词典组和查询扩展的目标检索第39-42页
        3.3.1 基于弱随机化视觉词典组和查询扩展的目标检索流程第39-40页
        3.3.2 视觉词汇分布直方图第40-41页
        3.3.3 相似性度量与平均查询扩展第41-42页
    3.4 实验结果与性能分析第42-45页
        3.4.1 实验设置与性能评价第42-43页
        3.4.2 实验结果与分析第43-45页
    3.5 本章小结第45-46页
第四章 基于弱随机化视觉词典组和上下文语义信息的目标检索第46-58页
    4.1 基于弱随机化视觉词典组和上下文语义信息的目标检索原理分析第46-48页
    4.2 语言模型技术第48-49页
    4.3 基于弱随机化视觉词典组和上下文语义信息的目标检索第49-54页
        4.3.1 基于弱随机化视觉词典组和上下文语义信息的目标检索流程第49-50页
        4.3.2 上下文语义信息目标模型的构建第50-52页
        4.3.3 相似性度量第52-54页
    4.4 实验结果与性能分析第54-57页
        4.4.1 参数的影响第54-55页
        4.4.2 实验性能分析第55-57页
    4.5 本章小结第57-58页
第五章 总结与展望第58-60页
    5.1 本文工作总结第58-59页
    5.2 下一步研究展望第59-60页
参考文献第60-66页
作者简历 攻读硕士学位期间完成的主要工作第66-67页
致谢第67页

论文共67页,点击 下载论文
上一篇:网络传真图像处理与用户信息提取技术研究
下一篇:基于XTS-AES的USB存储加密器设计与实现