| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题的背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 研究难点和本文解决思路 | 第13-14页 |
| 1.3.1 研究难点 | 第13页 |
| 1.3.2 本文解决思路 | 第13-14页 |
| 1.4 论文组织结构 | 第14页 |
| 1.5 本章小节 | 第14-15页 |
| 第2章 相关知识 | 第15-28页 |
| 2.1 概述 | 第15页 |
| 2.2 针对图像检索的特征提取 | 第15-21页 |
| 2.2.1 颜色特征 | 第15-17页 |
| 2.2.2 纹理特征 | 第17-18页 |
| 2.2.3 形状特征 | 第18-19页 |
| 2.2.4 特征降维 | 第19-21页 |
| 2.3 相似度度量 | 第21-24页 |
| 2.3.1 欧式距离（Euclidean Distance） | 第21页 |
| 2.3.2 马氏距离及其变形 | 第21-22页 |
| 2.3.3 曼哈顿距离 | 第22页 |
| 2.3.4 余弦距离 | 第22页 |
| 2.3.5 相关距离 | 第22页 |
| 2.3.6 KL 散度 | 第22-23页 |
| 2.3.7 闵可夫斯基距离 | 第23-24页 |
| 2.4 用户的相关反馈 | 第24-27页 |
| 2.4.1 移动查询点和调整权值方法 | 第24-25页 |
| 2.4.2 统计方法 | 第25页 |
| 2.4.3 二类分类器方法 | 第25-26页 |
| 2.4.4 数据不平衡 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 敏感度与局部泛化误差模型 | 第28-36页 |
| 3.1 概述 | 第28页 |
| 3.2 过拟合 | 第28-29页 |
| 3.3 泛化误差 | 第29-31页 |
| 3.4 局部泛化误差模型 | 第31-35页 |
| 3.4.1 Q 邻域与 Q 联合域 | 第31-32页 |
| 3.4.2 推导局部泛化误差界 | 第32-33页 |
| 3.4.3 RBF 神经网络的随机敏感度 | 第33-34页 |
| 3.4.4 局部泛化误差模型的特性 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 加入局部敏感度的双线性相似度学习 | 第36-48页 |
| 4.1 双线性相似度与 OASIS 模型 | 第38-39页 |
| 4.2 方法动机 | 第39-40页 |
| 4.3 加入局部敏感度模型 | 第40-42页 |
| 4.4 实验及分析 | 第42-47页 |
| 4.4.1 MPEG-7 标准 | 第42-44页 |
| 4.4.2 数据集 | 第44页 |
| 4.4.3 实验过程与结果 | 第44-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 基于敏感度信息的相关反馈 | 第48-57页 |
| 5.1 方法动机与实现 | 第50-53页 |
| 5.2 实验及分析 | 第53-56页 |
| 5.3 本章小结 | 第56-57页 |
| 总结与展望 | 第57-58页 |
| 参考文献 | 第58-64页 |
| 攻读硕士学位期间取得的研究成果 | 第64-66页 |
| 致谢 | 第66-67页 |
| 附件 | 第67页 |