| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-13页 |
| 第1章 引言 | 第13-21页 |
| ·多类别模式分类的定义和研究现状 | 第14-16页 |
| ·多媒体分析与检索系统的简介及其研究现状 | 第16-18页 |
| ·研究动机及内容安排 | 第18-20页 |
| ·内容安排和创新点 | 第20-21页 |
| 第2章 挖掘概念关系的多类别模式分类方法 | 第21-33页 |
| ·问题的数学定义 | 第21-22页 |
| ·与Gibbs随机场的关系 | 第22-27页 |
| ·基于Gibbs随机场的CML模型 | 第23-25页 |
| ·预测类别指示向量 | 第25-26页 |
| ·判别函数的学习 | 第26-27页 |
| ·实验结果 | 第27-32页 |
| ·TRECVID数据集简介 | 第27-28页 |
| ·实验设置 | 第28-30页 |
| ·实验一:全连接的概念关系 | 第30页 |
| ·实验二:部分连接的概念关系 | 第30-32页 |
| ·小结 | 第32-33页 |
| 第3章 高效在线多类别模式分类方法 | 第33-49页 |
| ·问题的定义 | 第33-34页 |
| ·在线模型 | 第34-40页 |
| ·实现细节 | 第40-44页 |
| ·在线多类别分类算法的核模型 | 第40-42页 |
| ·不完全标注情形 | 第42-43页 |
| ·高效推理方法 | 第43-44页 |
| ·实验分析 | 第44-47页 |
| ·自然场景分类 | 第44-46页 |
| ·基因分类 | 第46-47页 |
| ·小结 | 第47-49页 |
| 第4章 二维多类别主动学习 | 第49-65页 |
| ·多类别主动学习问题 | 第49-50页 |
| ·多类别分类问题中的二维主动学习 | 第50-54页 |
| ·二维主动学习的框架 | 第50-51页 |
| ·多类别贝叶斯误差界 | 第51-53页 |
| ·基于池的二维多类别主动学习 | 第53-54页 |
| ·二维主动学习的用户标注界面 | 第54-56页 |
| ·图片分类实验 | 第56-65页 |
| ·算法性能比较 | 第58页 |
| ·类别之间的关联是否在2DAL中起到作用? | 第58-59页 |
| ·2DAL+online的较佳的性能是来自2DAL策略还是在线分类器? | 第59-61页 |
| ·计算复杂度分析 | 第61-65页 |
| 第5章 总结和展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 附录 有关结论的证明 | 第71-73页 |
| A.1 引理1的证明 | 第71-73页 |
| 致谢 | 第73-75页 |
| 攻读博士学位期间的研究成果 | 第75-76页 |