| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 符号说明 | 第12-13页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.2 国内外研究现状综述 | 第15-16页 |
| 1.3 主要研究内容 | 第16-17页 |
| 1.4 本文体系结构 | 第17-19页 |
| 第二章 智能优化算法 | 第19-32页 |
| 2.1 智能优化算法简介 | 第19-20页 |
| 2.2 粒子群优化算法 | 第20-21页 |
| 2.3 人工蜂群优化算法 | 第21-22页 |
| 2.4 头脑风暴优化算法 | 第22-31页 |
| 2.4.1 头脑风暴简介 | 第22-23页 |
| 2.4.2 头脑风暴优化算法 | 第23-26页 |
| 2.4.3 头脑风暴优化算法实验 | 第26-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 头脑风暴优化算法改进 | 第32-46页 |
| 3.1 基于小生境的头脑风暴优化算法 | 第32-38页 |
| 3.1.1 小生境技术 | 第32-33页 |
| 3.1.2 基于小生境的头脑风暴优化算法 | 第33-34页 |
| 3.1.3 基于小生境的头脑风暴优化算法实验 | 第34-38页 |
| 3.2 基于人工免疫的头脑风暴优化算法 | 第38-45页 |
| 3.2.1 人工免疫 | 第38-39页 |
| 3.2.2 基于人工免疫的头脑风暴优化算法 | 第39-41页 |
| 3.2.3 基于人工免疫的头脑风暴优化算法实验 | 第41-45页 |
| 3.3 本章小结 | 第45-46页 |
| 第四章 基于AIBSO优化权值的多特征融合图像检索 | 第46-71页 |
| 4.1 图像检索背景介绍 | 第46-47页 |
| 4.2 特征提取 | 第47-54页 |
| 4.2.1 颜色特征 | 第47-49页 |
| 4.2.2 纹理特征 | 第49-53页 |
| 4.2.3 形状特征 | 第53-54页 |
| 4.3 图像检索系统的相关标准 | 第54-56页 |
| 4.3.1 相似度比较 | 第54-55页 |
| 4.3.2 图像检索系统的性能评价 | 第55-56页 |
| 4.4 基于AIBSO优化权值的多特征融合图像检索 | 第56-60页 |
| 4.4.1 特征归一化 | 第56-58页 |
| 4.4.2 基于AIBSO优化权值的多特征融合图像检索 | 第58-60页 |
| 4.5 图像检索实验 | 第60-69页 |
| 4.5.1 基于单一特征的图像检索 | 第60-63页 |
| 4.5.2 基于AIBSO优化权值的多特征融合图像检索 | 第63-69页 |
| 4.6 本章小结 | 第69-71页 |
| 第五章 基于深度卷积神经网络的图像检索 | 第71-80页 |
| 5.1 深度学习简介 | 第71-72页 |
| 5.2 卷积神经网络 | 第72-74页 |
| 5.3 基于深度卷积神经网络的图像检索 | 第74-75页 |
| 5.4 基于深度卷积神经网络的图像检索实验 | 第75-78页 |
| 5.5 本章小结 | 第78-80页 |
| 第六章 总结和展望 | 第80-82页 |
| 6.1 工作总结 | 第80-81页 |
| 6.2 工作展望 | 第81-82页 |
| 参考文献 | 第82-88页 |
| 致谢 | 第88-89页 |
| 攻读硕士研究生期间研究成果 | 第89-90页 |
| 学位论文评阅及答辩情况表 | 第90页 |
