基于机器学习的图像协同分类系统的设计与实现
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.2.1 图像分类方法的研究现状 | 第9页 |
| 1.2.2 机器学习在图像分类中的应用现状 | 第9-11页 |
| 1.3 论文的主要研究工作 | 第11-12页 |
| 1.4 论文的组织结构 | 第12-14页 |
| 第二章 图像特征向量的提取方法 | 第14-24页 |
| 2.1 颜色特征向量的提取 | 第14-17页 |
| 2.1.1 颜色空间模型 | 第14-16页 |
| 2.1.2 颜色特征提取算法 | 第16-17页 |
| 2.2 纹理特征向量的提取 | 第17-21页 |
| 2.2.1 灰度共生矩阵 | 第18-19页 |
| 2.2.2 Tamura 纹理特征 | 第19-20页 |
| 2.2.3 Gabor 小波变换 | 第20-21页 |
| 2.3 形状特征向量的提取 | 第21-24页 |
| 2.3.1 形状无关矩 | 第21-22页 |
| 2.3.2 其他的形状特征描述方法 | 第22-24页 |
| 第三章 机器学习分类算法 | 第24-40页 |
| 3.1 机器学习的概念 | 第24页 |
| 3.2 机器学习的学习形式 | 第24-25页 |
| 3.2.1 监督学习 | 第24-25页 |
| 3.2.2 无监督学习 | 第25页 |
| 3.3 支持向量机方法 | 第25-31页 |
| 3.3.1 支持向量机分类器的理论 | 第25-28页 |
| 3.3.2 支持向量机分类器的软间隔优化 | 第28-29页 |
| 3.3.3 支持向量机中的核函数的概念 | 第29-30页 |
| 3.3.4 核函数的选择 | 第30页 |
| 3.3.5 SVM 训练阶段的计算复杂度的分析 | 第30-31页 |
| 3.4 朴素贝叶斯方法 | 第31-33页 |
| 3.4.1 朴素贝叶斯分类器的理论基础 | 第31-32页 |
| 3.4.2 样本中个体的独立性 | 第32-33页 |
| 3.5 k 最近邻方法 | 第33-36页 |
| 3.5.1 kNN 分类算法描述 | 第34-35页 |
| 3.5.2 k 值的选择 | 第35页 |
| 3.5.3 类别标签的综合 | 第35页 |
| 3.5.4 距离测量的选择 | 第35-36页 |
| 3.6 决策树方法 | 第36-40页 |
| 3.6.1 决策树理论基础 | 第36-37页 |
| 3.6.2 决策树剪枝 | 第37-38页 |
| 3.6.3 决策树分类器的分类规则 | 第38-40页 |
| 第四章 图像协同分类系统的架构设计 | 第40-46页 |
| 4.1 系统概述 | 第40页 |
| 4.2 需求分析 | 第40-41页 |
| 4.2.1 非功能性需求分析 | 第40-41页 |
| 4.2.2 功能性需求分析 | 第41页 |
| 4.3 系统架构的设计 | 第41-46页 |
| 4.3.1 UI 界面层的设计 | 第42页 |
| 4.3.2 逻辑控制层的设计 | 第42-43页 |
| 4.3.3 数据处理层的设计 | 第43-44页 |
| 4.3.4 数据存储层的设计 | 第44-46页 |
| 第五章 系统核心功能和模块的设计 | 第46-62页 |
| 5.1 数据库设计 | 第46-49页 |
| 5.1.1 特征向量的存储 | 第46-47页 |
| 5.1.2 训练阶段消耗时间的存储 | 第47-48页 |
| 5.1.3 样本预测准确率的存储 | 第48-49页 |
| 5.2 大数据块分割设计 | 第49-50页 |
| 5.2.1 需要分割大数据块的场景 | 第49页 |
| 5.2.2 分割的策略 | 第49-50页 |
| 5.3 并行化设计 | 第50-52页 |
| 5.3.1 多种机器学习算法并行训练的设计 | 第50-51页 |
| 5.3.2 多个工作线程并行计算的设计 | 第51-52页 |
| 5.4 多种机器学习算法协同预测的设计 | 第52-54页 |
| 5.4.1 协同预测的原理与设计 | 第52-53页 |
| 5.4.2 影响因子值的确定 | 第53页 |
| 5.4.3 协同预测的突出优势 | 第53-54页 |
| 5.4.4 协同预测时间复杂度的分析 | 第54页 |
| 5.5 动态加载和扩展机器学习算法的设计 | 第54-55页 |
| 5.5.1 动态链接库的基本概念 | 第54-55页 |
| 5.5.2 分类算法动态链接库的设计与使用 | 第55页 |
| 5.6 分类系统处理流程的设计 | 第55-62页 |
| 5.6.1 设置参数模块的设计 | 第56-57页 |
| 5.6.2 计算特征向量模块的设计 | 第57页 |
| 5.6.3 训练样本模块的设计 | 第57-58页 |
| 5.6.4 预测样本模块的设计 | 第58-59页 |
| 5.6.5 比较结果模块的设计 | 第59-62页 |
| 第六章 系统的部署与测试 | 第62-70页 |
| 6.1 运行环境的搭建与部署 | 第62页 |
| 6.2 主要功能的运行与展示 | 第62-68页 |
| 6.3 两种预测方案的效果对比 | 第68-70页 |
| 第七章 总结与展望 | 第70-72页 |
| 7.1 本文的工作总结 | 第70页 |
| 7.2 下一步的工作 | 第70-72页 |
| 致谢 | 第72-74页 |
| 参考文献 | 第74-78页 |
