| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-14页 |
| 1 绪论 | 第14-34页 |
| ·课题研究背景与意义 | 第14-15页 |
| ·音视频标注相关研究综述 | 第15-28页 |
| ·音频标注 | 第15-19页 |
| ·视频标注 | 第19-28页 |
| ·现有问题分析 | 第28-29页 |
| ·论文研究内容 | 第29-31页 |
| ·论文组织结构 | 第31-34页 |
| 2 基于语义关联上下文的音频标注 | 第34-60页 |
| ·引言 | 第34-35页 |
| ·基于关联主题混合高斯模型的音频概念检测 | 第35-49页 |
| ·问题描述及分析 | 第35-37页 |
| ·基于图的流形正则化 | 第37-38页 |
| ·关联主题混合高斯模型构建 | 第38-39页 |
| ·模型参数学习 | 第39-41页 |
| ·多标记的音频概念检测 | 第41-43页 |
| ·实验与讨论 | 第43-49页 |
| ·基于主题信息反馈的关键词检出 | 第49-58页 |
| ·问题描述及分析 | 第50-51页 |
| ·主题信息反馈算法 | 第51-54页 |
| ·实验与讨论 | 第54-58页 |
| ·本章小结 | 第58-60页 |
| 3 基于概念关联估计的视频标注优化 | 第60-84页 |
| ·引言 | 第60-61页 |
| ·问题描述及分析 | 第61-64页 |
| ·系统框架 | 第64-66页 |
| ·概念关联度量 | 第66页 |
| ·特定数据的两视角概念关联估计算法 | 第66-72页 |
| ·空间视角的概念关联估计 | 第66-70页 |
| ·时间视角的概念关联估计 | 第70-72页 |
| ·实验与讨论 | 第72-82页 |
| ·实验设置 | 第72-73页 |
| ·实验结果与分析 | 第73-82页 |
| ·本章小结 | 第82-84页 |
| 4 基于时间关联上下文的视频标注 | 第84-112页 |
| ·引言 | 第84-85页 |
| ·相关模型 | 第85-88页 |
| ·概率潜在语义分析 | 第85-87页 |
| ·连续概率潜在语义分析 | 第87-88页 |
| ·图正则化的连续概率潜在语义分析 | 第88-99页 |
| ·问题描述及分析 | 第88-90页 |
| ·模型构建 | 第90-91页 |
| ·模型参数学习与推理 | 第91-94页 |
| ·基于图正则化的连续概率潜在语义分析的视频分类 | 第94-95页 |
| ·实验与讨论 | 第95-99页 |
| ·基于特征转换的视频概念检测 | 第99-110页 |
| ·问题描述及分析 | 第99-101页 |
| ·系统框架 | 第101-103页 |
| ·基于图正则化的连续概率潜在语义分析的特征转换算法 | 第103-104页 |
| ·实验与讨论 | 第104-110页 |
| ·本章小结 | 第110-112页 |
| 5 基于多模态关联上下文的视频标注 | 第112-132页 |
| ·引言 | 第112-113页 |
| ·多模态连续概率潜在语义分析 | 第113-123页 |
| ·问题描述及分析 | 第113-115页 |
| ·多模态元素建模 | 第115-117页 |
| ·模型参数学习 | 第117-120页 |
| ·实验与讨论 | 第120-123页 |
| ·图正则化的多模态连续概率潜在语义分析 | 第123-131页 |
| ·多模态元素关联建模 | 第124-126页 |
| ·模型参数学习 | 第126-128页 |
| ·模型间转换关系 | 第128-129页 |
| ·实验与讨论 | 第129-131页 |
| ·本章小结 | 第131-132页 |
| 6 总结与展望 | 第132-136页 |
| ·论文总结 | 第132-134页 |
| ·工作展望 | 第134-136页 |
| 参考文献 | 第136-146页 |
| 作者简历及攻读博士学位期间取得的研究成果 | 第146-150页 |
| 学位论文数据集 | 第150页 |