| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-12页 |
| 图表目录 | 第12-14页 |
| 第一章 绪论 | 第14-20页 |
| ·本文研究的背景及意义 | 第14-16页 |
| ·国内外相关课题的研究动态 | 第16-17页 |
| ·本文的创新性工作 | 第17-18页 |
| ·本文的研究内容及结构安排 | 第18-20页 |
| 第二章 基础知识 | 第20-38页 |
| ·引言 | 第20页 |
| ·图像及视频的视觉特征简介 | 第20-29页 |
| ·编辑特征 | 第20-24页 |
| ·颜色特征 | 第24-26页 |
| ·纹理特征 | 第26-27页 |
| ·运动特征 | 第27-29页 |
| ·支持向量机（SVM）分类算法 | 第29-37页 |
| ·结构风险最小化准则 | 第29-31页 |
| ·高维空间的广义最优分类面 | 第31-33页 |
| ·支持向量机二分类算法 | 第33-34页 |
| ·支持向量机的性质及优点 | 第34-36页 |
| ·支持向量机的实现 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第三章 基于内容的视频分析与多特征组合提取算法研究 | 第38-62页 |
| ·引言 | 第38页 |
| ·视频特征提取模块与处理流程 | 第38-41页 |
| ·分类目标下的视频内容分析研究 | 第41-47页 |
| ·视频内容结构化分析 | 第41-42页 |
| ·基于内容的视频分类研究 | 第42-44页 |
| ·基于内容的异型视频风格分析 | 第44-47页 |
| ·视频特征提取与多特征组合模型研究 | 第47-56页 |
| ·一种新的视频多特征组合模型 | 第47-49页 |
| ·镜头编辑特征的选择与提取方法 | 第49-50页 |
| ·颜色特征的选择与提取方法 | 第50-52页 |
| ·纹理特征的选择与提取方法 | 第52-54页 |
| ·运动特征的选择与提取方法 | 第54-56页 |
| ·本文提取特征的性能评估与特征优化 | 第56-60页 |
| ·特征有效性及区分度评估分析 | 第56-60页 |
| ·基于ICA的视频特征优化处理 | 第60页 |
| ·本章小结 | 第60-62页 |
| 第四章 基于支持向量机（SVM）的视频多分类算法研究 | 第62-80页 |
| ·引言 | 第62页 |
| ·基于支持向量机的视频多分类系统 | 第62-66页 |
| ·视频多分类系统框架 | 第62-65页 |
| ·视频内容自动分类算法 | 第65-66页 |
| ·分类器设计中的判决策略改进算法研究 | 第66-72页 |
| ·基于边界向量抽取的改进一对多分类算法 | 第67-69页 |
| ·基于二次预测机制的改进一对一分类算法 | 第69-71页 |
| ·基于交叉验证的改进有向无环图分类算法 | 第71-72页 |
| ·分类仿真实验及结果分析 | 第72-78页 |
| ·实验环境及数据准备 | 第72-73页 |
| ·单特征分类准确率实验 | 第73-74页 |
| ·改进算法分类准确率对比实验 | 第74-76页 |
| ·不同判决策略准确率对比实验 | 第76-77页 |
| ·不同分类方法准确率对比实验 | 第77-78页 |
| ·分类误差分析实验 | 第78页 |
| ·本章小结 | 第78-80页 |
| 第五章 结束语 | 第80-82页 |
| ·本文创新工作 | 第80-81页 |
| ·未来展望 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 致谢 | 第86-87页 |
| 攻读硕士学位期间已发表或录用的论文 | 第87页 |