| 摘要 | 第1-8页 |
| ABSTRACT | 第8-15页 |
| 第1章 绪论 | 第15-21页 |
| ·课题研究的背景 | 第15-16页 |
| ·本文的主要研究工作 | 第16页 |
| ·本文的主要研究成果 | 第16-18页 |
| ·本文结构安排 | 第18-19页 |
| 参考文献 | 第19-21页 |
| 第2章 图像检索技术综述 | 第21-37页 |
| ·图像检索 | 第21-23页 |
| ·图像特征表示 | 第23-27页 |
| ·全局特征 | 第24-25页 |
| ·局部特征 | 第25-27页 |
| ·多信息源融合方式 | 第27-29页 |
| ·图像的聚类技术 | 第29-30页 |
| ·图像相似性的度量 | 第30-31页 |
| ·迁移学习 | 第31-32页 |
| ·小结 | 第32页 |
| 参考文献 | 第32-37页 |
| 第3章 Bag-of-Phrases图像特征表示模型 | 第37-57页 |
| ·Bag-of-Words模型 | 第37-46页 |
| ·SIFT特征提取 | 第38-44页 |
| ·K-means聚类构建视觉词典 | 第44-46页 |
| ·特征矢量量化 | 第46页 |
| ·Bag-of-Phrases模型 | 第46-52页 |
| ·引言 | 第47-48页 |
| ·BoP模型概述 | 第48-49页 |
| ·视觉词汇的形成——层次聚类 | 第49-50页 |
| ·视觉短语的构建——视觉词汇的空间位置共现模式 | 第50-52页 |
| ·实验 | 第52-55页 |
| ·数据集 | 第52页 |
| ·分类工具及性能评价准则 | 第52-53页 |
| ·实验设置及参数选择 | 第53页 |
| ·实验结果与分析 | 第53-55页 |
| ·关于BoP特征表示模型的进一步讨论 | 第55页 |
| ·小结 | 第55页 |
| 参考文献 | 第55-57页 |
| 第4章 基于多媒体信息融合的网络图像聚类 | 第57-69页 |
| ·引言 | 第57-58页 |
| ·动态加权聚类的框架 | 第58页 |
| ·动态权重的学习 | 第58-60页 |
| ·加权相似矩阵 | 第60-61页 |
| ·对称非负矩阵分解 | 第61-62页 |
| ·实验 | 第62-67页 |
| ·数据集 | 第62-63页 |
| ·实验设置 | 第63-65页 |
| ·实验结果与分析 | 第65-67页 |
| ·小结 | 第67页 |
| 参考文献 | 第67-69页 |
| 第5章 基于多媒体信息融合的网络图像分类 | 第69-96页 |
| ·引言 | 第69-70页 |
| ·动态加权分类算法 | 第70-71页 |
| ·基于图像区域的语义概念融合 | 第71-76页 |
| ·语义概念的提取 | 第72-73页 |
| ·图像分割 | 第73-74页 |
| ·图像区域的特征提取 | 第74页 |
| ·基于区域的语义概念分类 | 第74-76页 |
| ·多媒体信息融合框架 | 第76-83页 |
| ·多媒体信息融合框架的流程图 | 第76-78页 |
| ·文本数据的预处理 | 第78-81页 |
| ·基于多媒体信息融合框架的分类 | 第81-83页 |
| ·实验 | 第83-94页 |
| ·数据集 | 第83-85页 |
| ·分类工具及性能评价准则 | 第85-86页 |
| ·实验设置 | 第86-87页 |
| ·实验结果与分析 | 第87-94页 |
| ·小结 | 第94页 |
| 参考文献 | 第94-96页 |
| 第6章 基于交叉域相关性知识的网络多媒体目标分类 | 第96-113页 |
| ·引言 | 第96-98页 |
| ·框架概述 | 第98页 |
| ·相关性知识的提取 | 第98-100页 |
| ·特征的生成及分类 | 第100-101页 |
| ·实验 | 第101-110页 |
| ·数据集 | 第102页 |
| ·实验工具及性能评价准则 | 第102-103页 |
| ·实验结果与分析 | 第103-110页 |
| ·小结 | 第110-111页 |
| 参考文献 | 第111-113页 |
| 第7章 总结和展望 | 第113-117页 |
| ·论文总结 | 第113-115页 |
| ·研究展望 | 第115-117页 |
| 攻读博士学位期间发表的学术论文 | 第117-118页 |
| 致谢 | 第118-119页 |