首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于多示例学习的图像检索算法研究

摘要第5-6页
ABSTRACT第6-7页
第1章 绪论第12-22页
    1.1 研究背景及意义第12-14页
    1.2 国内外研究现状第14-19页
        1.2.1 基于内容的图像检索第14-16页
        1.2.2 多示例学习第16-17页
        1.2.3 基于多示例学习的图像检索第17-19页
    1.3 本文研究内容第19页
    1.4 本文结构安排第19-22页
第2章 相关工作第22-38页
    2.1 概念及表示第22页
    2.2 基于目标概念点的多示例学习第22-25页
    2.3 基于图的多示例学习第25-31页
    2.4 基于决策神经网络的多示例学习算法第31-33页
    2.5 基于特征映射的多示例学习第33-37页
    2.6 本章小结第37-38页
第3章 基于示例一致性的图像检索算法第38-50页
    3.1 引言第38-39页
    3.2 算法框架第39页
    3.3 潜在正示例选择第39-41页
    3.4 特征映射第41页
    3.5 分类器的选择第41-42页
    3.6 MILIC算法流程第42页
    3.7 实验结果与分析第42-48页
        3.7.1 SIVAL数据集上实验第42-46页
        3.7.2 Corel 2000数据集实验第46-48页
        3.7.3 图像分类第48页
    3.8 本章小结第48-50页
第4章 基于示例加权和空间关系的图像检索算法第50-62页
    4.1 引言第50-52页
    4.2 基于示例加权的示例选择第52-57页
        4.2.1 显著度计算第52-55页
        4.2.2 基于加权的IC函数第55页
        4.2.3 潜在正示例个数计算第55-56页
        4.2.4 潜在正示例选择第56-57页
    4.3 基于空间关系的特征表达第57-58页
        4.3.1 空间特征第57页
        4.3.2 归一化处理第57-58页
    4.4 实验结果与分析第58-59页
    4.5 本章小结第59-62页
第5章 总结与展望第62-64页
    5.1 本文的主要工作第62页
    5.2 下一步的研究工作第62-64页
参考文献第64-70页
致谢第70-72页
在读期间发表的学术论文与取得的其他研究成果第72页

论文共72页,点击 下载论文
上一篇:Henry Pang期权定价模型的实证分析
下一篇:EAST PCS实时日志信息系统