| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 绪论 | 第11-19页 |
| ·论文研究的目的及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·粒子群算法国内外研究现状 | 第12-14页 |
| ·基于内容的图像检索国内外研究现状 | 第14-16页 |
| ·本论文主要研究内容及论文安排 | 第16-19页 |
| 第2章 粒子群优化算法 | 第19-34页 |
| ·粒子群算法基本原理 | 第19-21页 |
| ·粒子群算法的改进现状 | 第21-29页 |
| ·带惯性权重的PSO算法 | 第21-22页 |
| ·带收缩因子的PSO算法 | 第22-23页 |
| ·粒子群混合算法 | 第23-28页 |
| ·离散PSO算法 | 第28-29页 |
| ·粒子群算法的应用 | 第29-31页 |
| ·函数优化 | 第29页 |
| ·神经网络训练 | 第29-30页 |
| ·粒子群算法的工程应用 | 第30-31页 |
| ·基准测试函数 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第3章 基于种群分类与动态学习因子的粒子群算法改进 | 第34-45页 |
| ·算法改进的理论依据 | 第34-36页 |
| ·基于种群分类与动态学习因子的粒子群改进算法 | 第36-38页 |
| ·改进算法的实验仿真及分析 | 第38-44页 |
| ·动态因子有效性仿真实验 | 第38-41页 |
| ·本文改进算法先进性仿真实验 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 基于内容的图像检索方法研究 | 第45-60页 |
| ·基于内容的图像检索技术 | 第46页 |
| ·CBIR中常用的图像特征 | 第46-55页 |
| ·颜色特征 | 第46-50页 |
| ·纹理特征 | 第50-53页 |
| ·形状特征 | 第53-54页 |
| ·空间关系 | 第54-55页 |
| ·图像匹配技术 | 第55-56页 |
| ·图像相似性的定义 | 第55页 |
| ·常用的度量方法 | 第55-56页 |
| ·CBIR评估标准 | 第56-57页 |
| ·CBIR交互反馈 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第5章 粒子群算法在图像检索中的应用 | 第60-75页 |
| ·利用粒子群算法进行图像检索的可行性论证 | 第61-62页 |
| ·基于粒子群算法的交互式图像检索方法提出 | 第62-64页 |
| ·特征提取 | 第64-66页 |
| ·提取方法 | 第65页 |
| ·特征预处理及粒子编码 | 第65-66页 |
| ·新样本群体的确定 | 第66-67页 |
| ·实验仿真与结果分析 | 第67-73页 |
| ·本文检索方法仿真测试 | 第67-70页 |
| ·基于遗传算法的交互式图像检索方法仿真测试 | 第70-72页 |
| ·仿真结果分析 | 第72-73页 |
| ·本章小结 | 第73-75页 |
| 结论 | 第75-78页 |
| 参考文献 | 第78-83页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第83-84页 |
| 致谢 | 第84页 |