| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-15页 |
| ·研究背景和意义 | 第8-9页 |
| ·基于内容的图像检索研究现状 | 第9-12页 |
| ·国内外典型检索系统介绍 | 第12-13页 |
| ·本文研究的主要内容和各章节的安排 | 第13-15页 |
| 2 基于内容图像检索系统的关键技术 | 第15-26页 |
| ·引言 | 第15页 |
| ·特征表示 | 第15-18页 |
| ·颜色特征 | 第15-17页 |
| ·纹理特征 | 第17-18页 |
| ·形状特征 | 第18页 |
| ·相似度量 | 第18-20页 |
| ·相关反馈 | 第20-23页 |
| ·相关反馈的过程和基本框架 | 第20-21页 |
| ·基于距离的方法 | 第21-22页 |
| ·基于概率框架的方法 | 第22页 |
| ·基于机器学习的方法 | 第22-23页 |
| ·评价准则 | 第23-25页 |
| ·评价标准 | 第23-24页 |
| ·测试数据集 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 3 聚类分析和 SVM 主动学习理论 | 第26-39页 |
| ·引言 | 第26页 |
| ·聚类分析 | 第26-30页 |
| ·聚类分析中的数据类型 | 第26-27页 |
| ·聚类分析中的相似性度量 | 第27-28页 |
| ·聚类算法分类 | 第28-30页 |
| ·SVM 主动学习理论 | 第30-38页 |
| ·统计学习理论 | 第30-32页 |
| ·最优分类面 | 第32-35页 |
| ·相关反馈中的SVM | 第35-36页 |
| ·SVM 主动学习算法 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 4 带权 Co-ASVM 图像检索方法 | 第39-52页 |
| ·引言 | 第39页 |
| ·颜色和纹理特征空间权重计算 | 第39-43页 |
| ·多视图学习 | 第40-41页 |
| ·特征提取和表示 | 第41-42页 |
| ·权重计算 | 第42-43页 |
| ·基于K-means 聚类的主动反馈策略 | 第43-44页 |
| ·带权Co-ASVM 算法 | 第44-46页 |
| ·算法分析和实验结果 | 第46-51页 |
| ·实验系统实现 | 第47-48页 |
| ·带权Co-ASVM 算法与传统基于SVM 相关反馈算法比较 | 第48-49页 |
| ·带权Co-ASVM 算法与基于主动学习SVM 反馈算法比较 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 5 论文总结 | 第52-54页 |
| ·论文主要工作 | 第52页 |
| ·下一步努力方向 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录 | 第59页 |
| A 作者在攻读硕士学位期间发表的论文目录 | 第59页 |
| B 作者在攻读硕士学位期间参加的科研项目 | 第59页 |