| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 图像分类的研究现状 | 第10-11页 |
| 1.2.2 基于LDA的图像分类研究现状 | 第11-12页 |
| 1.2.3 图核研究现状 | 第12-13页 |
| 1.3 主要研究内容与创新点 | 第13页 |
| 1.4 论文的组织结构 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第2章 相关理论 | 第15-29页 |
| 2.1 主题模型 | 第15-19页 |
| 2.1.1 主题模型的概念 | 第15-16页 |
| 2.1.2 参数学习 | 第16-19页 |
| 2.2 图核相关理论 | 第19-24页 |
| 2.2.1 图论的相关简介 | 第21-23页 |
| 2.2.2 图核的基本原理 | 第23-24页 |
| 2.3 支持向量机相关理论 | 第24-27页 |
| 2.3.1 基本原理 | 第24-25页 |
| 2.3.2 核函数的选择 | 第25-26页 |
| 2.3.3 SVM多类分类器的设计 | 第26-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第3章 基于主题模型的图像分类研究 | 第29-41页 |
| 3.1 图像局部视觉特征的提取 | 第29-32页 |
| 3.1.1 SIFT特征 | 第29-31页 |
| 3.1.2 RGB SIFT特征 | 第31-32页 |
| 3.2 改进的词袋模型 | 第32-34页 |
| 3.3 基于LDA模型的图像分类算法 | 第34页 |
| 3.4 实验结果与分析 | 第34-39页 |
| 3.4.1 实验图像库 | 第35页 |
| 3.4.2 模型1：SIFT+K-means+LDA | 第35-37页 |
| 3.4.3 模型2：RGB SIFT+K-means+LDA | 第37-39页 |
| 3.4.4 实验分析 | 第39页 |
| 3.5 本章小结 | 第39-41页 |
| 第4章 基于图核的图像分类研究 | 第41-57页 |
| 4.1 几种常见图核的比较 | 第42-44页 |
| 4.1.1 随机通路核 | 第42-43页 |
| 4.1.2 最短通路核 | 第43页 |
| 4.1.3 最小生成树核 | 第43-44页 |
| 4.2 改进的最小生成树图核模型 | 第44-51页 |
| 4.2.1 建立四叉树 | 第44-47页 |
| 4.2.2 生成图结构 | 第47-50页 |
| 4.2.3 最小生成树图核计算 | 第50-51页 |
| 4.3 节点和边相似性计算 | 第51-53页 |
| 4.3.1 节点相似性计算 | 第51-53页 |
| 4.3.2 边相似性计算 | 第53页 |
| 4.4 改进的生成树图核算法在图像分类中的应用 | 第53页 |
| 4.5 实验结果与分析 | 第53-56页 |
| 4.5.1 图像库说明 | 第53-54页 |
| 4.5.2 参数设置 | 第54页 |
| 4.5.3 实验分析 | 第54-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第5章 结合主题模型和图核模型的图像分类的研究 | 第57-63页 |
| 5.1 计算LDA模型中图像相似性 | 第57-58页 |
| 5.2 结合最小生成树图核和LDA模型的图像相似性计算 | 第58-59页 |
| 5.3 实验工具和软件包 | 第59-60页 |
| 5.4 参数的选取 | 第60页 |
| 5.5 实验结果与分析 | 第60-62页 |
| 5.6 本章小结 | 第62-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63页 |
| 6.2 展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 攻读硕士学位期间发表的论文 | 第71页 |
