| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 图像分类问题描述 | 第14-16页 |
| 1.3 图像分类研究现状 | 第16-18页 |
| 1.4 本文的主要工作 | 第18页 |
| 1.5 本文的结构安排 | 第18-20页 |
| 第2章 理论基础 | 第20-28页 |
| 2.1 视觉词袋模型 | 第20-23页 |
| 2.1.1 特征的提取及描述 | 第20-22页 |
| 2.1.2 视觉词典的生成 | 第22-23页 |
| 2.1.3 视觉词汇特征的构建 | 第23页 |
| 2.2 监督概率主题模型 | 第23-25页 |
| 2.2.1 sLDA模型 | 第24页 |
| 2.2.2 EM算法 | 第24-25页 |
| 2.3 支持向量机 | 第25-27页 |
| 2.3.1 SVM分类器的原理 | 第25-27页 |
| 2.3.2 SVM分类器的实现过程 | 第27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 提取目标区域词袋特征的图像分类方法 | 第28-36页 |
| 3.1 引言 | 第28-29页 |
| 3.2 方法介绍 | 第29-31页 |
| 3.2.1 图像分割 | 第29-30页 |
| 3.2.2 分类方法介绍 | 第30-31页 |
| 3.3 实验结果及分析 | 第31-35页 |
| 3.3.1 数据集介绍 | 第31页 |
| 3.3.2 实验方案 | 第31-32页 |
| 3.3.3 数据预处理 | 第32-33页 |
| 3.3.4 PASCAL VOC2006数据集上的分类性能 | 第33-34页 |
| 3.3.5 PASCAL VOC2010数据集上的分类性能 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 基于TF-CDF词袋模型的图像分类方法 | 第36-43页 |
| 4.1 引言 | 第36-37页 |
| 4.2 传统TF-IDF算法 | 第37-38页 |
| 4.3 本文方法介绍 | 第38-39页 |
| 4.3.1 TF-CDF介绍 | 第38页 |
| 4.3.2 TF-CDF的计算 | 第38-39页 |
| 4.4 实验结果与分析 | 第39-41页 |
| 4.4.1 实验方案 | 第39-40页 |
| 4.4.2 数据预处理 | 第40页 |
| 4.4.3 LabelMe数据集上的分类性能 | 第40-41页 |
| 4.4.4 UIUC-Sport数据集上的分类性能 | 第41页 |
| 4.5 本章小结 | 第41-43页 |
| 总结与展望 | 第43-45页 |
| 总结 | 第43页 |
| 展望 | 第43-45页 |
| 参考文献 | 第45-50页 |
| 致谢 | 第50-51页 |
| 附录A 攻读学位期间发表论文、实习期间参与项目 | 第51页 |
