| 摘要 | 第9-11页 |
| Abstract | 第11-12页 |
| 第1章 引言 | 第13-19页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 研究内容 | 第16-17页 |
| 1.4 论文结构 | 第17-19页 |
| 第2章 相关概念及技术概述 | 第19-37页 |
| 2.1 文档表示模型-主题模型 | 第19-24页 |
| 2.1.1 LSI模型 | 第19-20页 |
| 2.1.2 PLSI模型 | 第20-21页 |
| 2.1.3 LDA模型 | 第21-24页 |
| 2.2 文档表示模型-语言模型 | 第24-28页 |
| 2.2.1 word2vec模型 | 第24-27页 |
| 2.2.2 doc2vec模型 | 第27-28页 |
| 2.3 图像表示模型 | 第28-33页 |
| 2.3.1 SIFT | 第28-32页 |
| 2.3.2 Kmeans聚类算法 | 第32-33页 |
| 2.4 CCA典型相关分析 | 第33-34页 |
| 2.5 Iterative Quantization(ITQ) | 第34-36页 |
| 2.6 本章小结 | 第36-37页 |
| 第3章 结合doc2vec和ITQ跨模态的信息检索 | 第37-53页 |
| 3.1 任务概述 | 第37-39页 |
| 3.2 图像和文本的表示 | 第39-40页 |
| 3.3 ITQ表示模型 | 第40-41页 |
| 3.4 跨模态检索 | 第41-43页 |
| 3.4.1 线形子空间学习 | 第42-43页 |
| 3.4.2 图像和文本映射 | 第43页 |
| 3.4.3 相关性匹配 | 第43页 |
| 3.5 实验结果及分析 | 第43-51页 |
| 3.5.1 数据描述 | 第44-45页 |
| 3.5.2 参数设置 | 第45页 |
| 3.5.3 性能指标 | 第45-46页 |
| 3.5.4 实验结果及评估 | 第46-51页 |
| 3.6 本章小结 | 第51-53页 |
| 第4章 基于主题模型和ITQ的跨模态信息检索 | 第53-63页 |
| 4.1 任务概述 | 第53-54页 |
| 4.2 图像和文本的表示模型 | 第54-56页 |
| 4.2.1 图像表示模型 | 第54-55页 |
| 4.2.2 文本表示模型 | 第55-56页 |
| 4.3 跨模态检索 | 第56-58页 |
| 4.3.1 图像和文本之间的典型相关性 | 第56-57页 |
| 4.3.2 图像和文本的相关性匹配 | 第57-58页 |
| 4.4 实验结果及分析 | 第58-62页 |
| 4.4.1 参数设置 | 第58页 |
| 4.4.2 性能指标 | 第58页 |
| 4.4.3 实验结果与评估 | 第58-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第5章 融合多特征的跨模态信息检索 | 第63-71页 |
| 5.1 任务概述 | 第63-64页 |
| 5.2 融合多特征的跨模态检索 | 第64-66页 |
| 5.2.1 底层特征的融合 | 第65页 |
| 5.2.2 相关子空间的融合 | 第65-66页 |
| 5.3 实验结果及分析 | 第66-69页 |
| 5.3.1 参数设置 | 第66-67页 |
| 5.3.2 实验结果与评估 | 第67-69页 |
| 5.4 本章小结 | 第69-71页 |
| 第6章 总结及展望 | 第71-73页 |
| 6.1 总结 | 第71页 |
| 6.2 展望 | 第71-73页 |
| 参考文献 | 第73-75页 |
| 致谢 | 第75-77页 |
| 硕士期间发表的论文 | 第77页 |