互联网文本视频过滤技术研究与应用
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-17页 |
| ·信息过滤 | 第10-13页 |
| ·研究背景和意义 | 第13-14页 |
| ·本文的主要工作 | 第14-15页 |
| ·论文的组织结构 | 第15-17页 |
| 第二章 文本视频过滤技术研究现状概述 | 第17-28页 |
| ·文本图像分析 | 第17-21页 |
| ·文本图像分析基本方法 | 第17-19页 |
| ·文本图像中的字符识别 | 第19-21页 |
| ·信息过滤研究概述 | 第21-26页 |
| ·不良信息过滤基本方法 | 第22-24页 |
| ·基于内容的过滤方法 | 第24-26页 |
| ·小结 | 第26-28页 |
| 第三章 文本图像过滤系统平台总体构架 | 第28-34页 |
| ·文本图像过滤系统总体需求 | 第28页 |
| ·不良信息过滤平台系统构架 | 第28-31页 |
| ·文本图像过滤的技术构架 | 第31-33页 |
| ·小结 | 第33-34页 |
| 第四章 文本图像过滤系统平台关键技术详细设计 | 第34-43页 |
| ·连通分量的文本定位功能设计 | 第34-36页 |
| ·基于HSL 文本抽取功能设计 | 第36-38页 |
| ·主题过滤功能设计 | 第38-40页 |
| ·基于上下文的文本倾向性分析功能 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 文本图像过滤平台关键技术实现 | 第43-68页 |
| ·连通分量的文本定位算法实现 | 第43-54页 |
| ·特征提取 | 第43-51页 |
| ·分类器选择 | 第51-54页 |
| ·基于HSL 的文本抽取的实现 | 第54-59页 |
| ·文本区域类型确认 | 第56-57页 |
| ·基于色度的分割 | 第57-59页 |
| ·亮度和色度联合的分割方法 | 第59页 |
| ·基于概念知识树的主题识别 | 第59-65页 |
| ·领域知识树确认 | 第60-61页 |
| ·关键概念识别 | 第61-63页 |
| ·文本主题生成 | 第63-65页 |
| ·基于上下文的文本倾向性分析功能实现 | 第65-67页 |
| ·主题词上下文词汇构建 | 第65-66页 |
| ·主题词倾向性计算 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 第六章 系统功能实验与测试 | 第68-83页 |
| ·文本定位功能实验与测试 | 第68-76页 |
| ·测试数据库 | 第68-69页 |
| ·性能评估 | 第69-71页 |
| ·实验结果 | 第71-76页 |
| ·文本抽取功能的实验与测试 | 第76-77页 |
| ·主题识别功能的实验与测试 | 第77-80页 |
| ·文本倾向性功能的实验与测试 | 第80-81页 |
| ·小结 | 第81-83页 |
| 第七章 总结和展望 | 第83-86页 |
| ·工作总结 | 第83-84页 |
| ·未来展望 | 第84-86页 |
| 致谢 | 第86-87页 |
| 参考文献 | 第87-90页 |
