| 提要 | 第1-7页 |
| 第一章 绪论 | 第7-13页 |
| ·基于内容的图像检索技术 | 第7-8页 |
| ·相关反馈技术 | 第8-10页 |
| ·相关反馈技术的研究背景 | 第8页 |
| ·相关反馈 | 第8-9页 |
| ·目前存在的主要反馈方法 | 第9页 |
| ·典型的基于相关反馈的图像检索系统 | 第9-10页 |
| ·课题来源 | 第10页 |
| ·本论文研究主要内容及论文结构 | 第10-13页 |
| ·本课题主要研究的内容 | 第10-11页 |
| ·论文结构 | 第11-13页 |
| 第二章 基于内容图像检索的关键技术研究 | 第13-27页 |
| ·图像特征的提取与表达 | 第13-19页 |
| ·图像相似性度量方法 | 第19-21页 |
| ·图像检索中的反馈方法研究 | 第21-24页 |
| ·检索性能评价指标 | 第24-26页 |
| ·小结 | 第26-27页 |
| 第三章 支持向量机研究 | 第27-45页 |
| ·引言 | 第27-28页 |
| ·机器学习的基本问题 | 第28-30页 |
| ·学习问题的表示 | 第28-29页 |
| ·经验风险最小化原则 | 第29-30页 |
| ·统计学习理论的核心内容 | 第30-36页 |
| ·学习过程的一致性 | 第30-32页 |
| ·VC维和推广性的界 | 第32-35页 |
| ·结构风向最小化原则 | 第35-36页 |
| ·支持向量机 | 第36-43页 |
| ·线性支持向量机及最优分类面 | 第36-41页 |
| ·非线性支持向量机及主要核函数 | 第41-43页 |
| ·支持向量机的特点 | 第43页 |
| ·小结 | 第43-45页 |
| 第四章 基于日志库与多分类SVM的反馈检索技术 | 第45-67页 |
| ·传统的基于SVM的图像反馈检索方法 | 第45-47页 |
| ·日志库 | 第47-54页 |
| ·日志库提出的背景 | 第47-48页 |
| ·日志库的构建 | 第48-51页 |
| ·日志库的运行 | 第51-53页 |
| ·日志库的维护 | 第53-54页 |
| ·采用多分类 | 第54-62页 |
| ·引入多分类SVM的条件 | 第54页 |
| ·多分类方法分析 | 第54-58页 |
| ·本文多分类算法 | 第58-62页 |
| ·动态参数调整 | 第62-65页 |
| ·调整样本不均衡问题 | 第62页 |
| ·自动调整反馈图像权重 | 第62-65页 |
| ·基于日志库与多分类SVM的图像反馈检索方法 | 第65-66页 |
| ·小结 | 第66-67页 |
| 第五章 实验结果及分析 | 第67-79页 |
| ·采用日志库增大训练样本后性能的实验及分析 | 第68-71页 |
| ·二分类、多分类及本文方法的对比分析 | 第71-73页 |
| ·训练样本不均衡与调整后效果对比 | 第73-74页 |
| ·图像权重调整前后对比 | 第74-77页 |
| ·LM-SVM与传统SVM图像反馈检索方法的对比分析 | 第77-78页 |
| ·小结 | 第78-79页 |
| 第六章 总结和展望 | 第79-81页 |
| ·全文总结 | 第79页 |
| ·展望 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 摘要 | 第85-88页 |
| ABSTRACT | 第88-91页 |
| 致谢 | 第91页 |