面向重点舰船目标识别的近似最近邻查询方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第11-18页 |
| 1.1 课题的研究背景及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 重点舰船目标识别的研究现状 | 第11-12页 |
| 1.2.2 关键技术及其研究现状 | 第12-16页 |
| 1.3 本文的主要研究内容及章节安排 | 第16-17页 |
| 1.3.1 主要研究内容 | 第16页 |
| 1.3.2 章节安排 | 第16-17页 |
| 1.4 本章小结 | 第17-18页 |
| 2 相关理论与技术 | 第18-30页 |
| 2.1 网络爬虫技术 | 第18-20页 |
| 2.1.1 通用网络爬虫 | 第18页 |
| 2.1.2 增量网络爬虫 | 第18-19页 |
| 2.1.3 深层网络爬虫 | 第19页 |
| 2.1.4 聚焦网络爬虫 | 第19-20页 |
| 2.2 近似最近邻查询方法 | 第20-24页 |
| 2.2.1 近似最近邻查询 | 第20-22页 |
| 2.2.2 矢量量化 | 第22-24页 |
| 2.2.3 乘积量化 | 第24页 |
| 2.3 基于内容的图像检索理论及相关概念 | 第24-28页 |
| 2.3.1 基于内容的图像检索 | 第24页 |
| 2.3.2 图像特征提取之SIFT特征 | 第24-27页 |
| 2.3.3 基于内容的图像检索性能评价 | 第27-28页 |
| 2.4 本章小结 | 第28-30页 |
| 3 针对图像的聚焦网络爬虫方法研究 | 第30-42页 |
| 3.1 问题提出 | 第30页 |
| 3.2 锚文本及上下文抓取 | 第30-31页 |
| 3.3 聚焦网络爬虫模型的设计 | 第31-39页 |
| 3.3.1 符号定义 | 第31-33页 |
| 3.3.2 网络主题定义层 | 第33-34页 |
| 3.3.3 网络元素提取层 | 第34页 |
| 3.3.4 网络元素过滤层 | 第34-38页 |
| 3.3.5 爬取结果应用层 | 第38-39页 |
| 3.4 实验验证 | 第39-40页 |
| 3.4.1 实验环境 | 第39页 |
| 3.4.2 实验参数配置 | 第39页 |
| 3.4.3 模型实验结果分析 | 第39-40页 |
| 3.5 本章小结 | 第40-42页 |
| 4 基于重心坐标乘积量化的图像检索方法研究 | 第42-54页 |
| 4.1 问题提出 | 第42页 |
| 4.2 BCPQ算法 | 第42-49页 |
| 4.2.1 模型与定义 | 第42-43页 |
| 4.2.2 相关概念 | 第43-45页 |
| 4.2.3 基于重心坐标的软编码 | 第45-46页 |
| 4.2.4 重心坐标乘积量化 | 第46-47页 |
| 4.2.5 算法实现与分析 | 第47-49页 |
| 4.3 实验分析 | 第49-53页 |
| 4.3.1 数据集 | 第49-50页 |
| 4.3.2 对比方法 | 第50页 |
| 4.3.3 与基于矢量量化的其他方法相比 | 第50-52页 |
| 4.3.4 与FLANN相比 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 5 面向重点舰船目标识别的近似最近邻查询系统实现 | 第54-63页 |
| 5.1 系统总体框架设计 | 第54-55页 |
| 5.2 系统功能模块设计 | 第55-57页 |
| 5.2.1 网络爬虫模块 | 第55页 |
| 5.2.2 图像处理模块 | 第55-56页 |
| 5.2.3 数据存储模块 | 第56页 |
| 5.2.4 目标识别模块 | 第56-57页 |
| 5.3 系统运行结果展示 | 第57-60页 |
| 5.4 系统测试 | 第60-62页 |
| 5.4.1 功能测试 | 第61页 |
| 5.4.2 性能测试 | 第61-62页 |
| 5.5 本章小结 | 第62-63页 |
| 6 总结和展望 | 第63-64页 |
| 6.1 研究总结 | 第63页 |
| 6.2 研究展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 附录 | 第70页 |
