| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-10页 |
| Contents | 第10-12页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 研究背景和意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 外观设计专利检索技术研究现状 | 第14-15页 |
| 1.2.2 图像分类方法研究现状 | 第15-16页 |
| 1.3 论文主要研究内容及创新点 | 第16-17页 |
| 1.4 论文组织结构 | 第17-19页 |
| 第二章 外观专利图像分类基础 | 第19-28页 |
| 2.1 外观专利图像语义分类 | 第19-20页 |
| 2.2 外观专利图像说明 | 第20-24页 |
| 2.3 外观专利图像特征提取 | 第24-27页 |
| 2.3.1 图像预处理 | 第24-25页 |
| 2.3.2 形状特征提取 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于SVM的外观专利图像分类 | 第28-43页 |
| 3.1 支持向量机的基本思想 | 第28-33页 |
| 3.1.1 最优分类面 | 第28-31页 |
| 3.1.2 广义最优分类面 | 第31-33页 |
| 3.2 支持向量机分类器构建 | 第33-37页 |
| 3.2.1 SVM分类器的原理 | 第33-34页 |
| 3.2.2 SVM多类分类问题 | 第34-35页 |
| 3.2.3 SVM核函数及其参数选择 | 第35-37页 |
| 3.2.4 K折交叉验证 | 第37页 |
| 3.2.5 SVM分类器的训练和分类过程 | 第37页 |
| 3.3 实验及结果分析 | 第37-41页 |
| 3.3.1 外观专利图像分类实验说明 | 第37-39页 |
| 3.3.2 SVM三种核函数的选择比较实验 | 第39-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第四章 基于K均值聚类的外观专利图像分类 | 第43-47页 |
| 4.1 聚类分析概述 | 第43-44页 |
| 4.2 K均值聚类算法介绍及图像分类步骤 | 第44-46页 |
| 4.2.1 K均值聚类算法介绍 | 第44-45页 |
| 4.2.2 图像分类实现步骤 | 第45-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第五章 基于改进谱聚类的外观专利图像分类 | 第47-60页 |
| 5.1 谱聚类基本理论 | 第47-50页 |
| 5.1.1 谱图理论 | 第47-49页 |
| 5.1.2 图分割 | 第49页 |
| 5.1.3 图分割准则 | 第49-50页 |
| 5.2 谱聚类算法的一般框架 | 第50-51页 |
| 5.3 基于均值的谱聚类特征向量选择算法 | 第51-53页 |
| 5.4 实验及结果分析 | 第53-59页 |
| 5.4.1 基于聚类的分类结果与分析 | 第53-57页 |
| 5.4.2 不同方法对外观专利图像分类性能比较实验 | 第57-59页 |
| 5.5 本章小结 | 第59-60页 |
| 总结与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表的学术论文 | 第66-68页 |
| 致谢 | 第68页 |