流形学习方法在Web图像检索中的应用研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 第一章 引言 | 第13-33页 |
| ·课题的背景 | 第13-14页 |
| ·基于文本表示的图像检索概述 | 第14-15页 |
| ·基于内容的图像检索概述 | 第15-21页 |
| ·图像的全图表示 | 第15-18页 |
| ·颜色特征 | 第16-17页 |
| ·纹理特征 | 第17-18页 |
| ·距离度量 | 第18-19页 |
| ·相关反馈 | 第19-21页 |
| ·WEB图像检索技术概述 | 第21-25页 |
| ·图像的获取 | 第22页 |
| ·图像特征的抽取及索引 | 第22-24页 |
| ·图像的检索 | 第24-25页 |
| ·图像的降维技术概述 | 第25-30页 |
| ·降维的定义 | 第25-26页 |
| ·降维的相关概念 | 第26-30页 |
| ·维数祸根 | 第26页 |
| ·高维空间的特殊性 | 第26-28页 |
| ·本征维数 | 第28-30页 |
| ·降维的分类 | 第30页 |
| ·本论文各部分的主要内容 | 第30-33页 |
| 第二章 经典降维算法的比较研究 | 第33-56页 |
| ·概述 | 第33-34页 |
| ·线性降维算法 | 第34-42页 |
| ·PCA算法 | 第34-38页 |
| ·主成分分析的原理 | 第34-37页 |
| ·主成分分析算法举例 | 第37-38页 |
| ·线性判定分析算法 | 第38-42页 |
| ·非线性降维算法 | 第42-54页 |
| ·流形学习简介 | 第42-44页 |
| ·局部线性嵌入(LLE)算法 | 第44-47页 |
| ·LLE算法简介 | 第44-46页 |
| ·LLE算法举例及分析 | 第46-47页 |
| ·拉普拉斯特征映射(LE)算法 | 第47-54页 |
| ·LE算法简介 | 第47-49页 |
| ·LE算法与PCA算法的比较分析 | 第49-52页 |
| ·LE算法用于图像降维的比较实验 | 第52-54页 |
| ·本章小节 | 第54-56页 |
| 第三章 保局投影算法用于图像降维问题的研究 | 第56-79页 |
| ·概述 | 第56-57页 |
| ·保局投影(LPP)算法原理 | 第57-67页 |
| ·理论背景 | 第57页 |
| ·LPP算法简介 | 第57-59页 |
| ·LPP算法的理论分析 | 第59-67页 |
| ·最佳的线性嵌入 | 第59-61页 |
| ·基于几何特性的分析 | 第61-62页 |
| ·与PCA算法的对比分析 | 第62-64页 |
| ·与LDA算法的对比分析 | 第64-66页 |
| ·LPP模型的选择 | 第66-67页 |
| ·保局投影(LPP)算法的实验分析 | 第67-73页 |
| ·LPP算法的人为实验 | 第67-69页 |
| ·LPP算法用于图像检索实验 | 第69-71页 |
| ·LPP算法的2D可视化实验 | 第71-73页 |
| ·保局投影(LPP)算法的比较分析 | 第73-74页 |
| ·保局投影(LPP)算法的优化研究 | 第74-77页 |
| ·ILPP算法设计 | 第74-75页 |
| ·理论研究 | 第75-76页 |
| ·实验分析 | 第76-77页 |
| ·本章小节 | 第77-79页 |
| 第四章 结合支持向量机理论的LPP半监督算法研究 | 第79-93页 |
| ·概述 | 第79-80页 |
| ·支持向量机理论简介 | 第80-86页 |
| ·理论背景 | 第80-81页 |
| ·“VC维”和“推广性的界” | 第81-83页 |
| ·支持向量机的原理 | 第83-86页 |
| ·基于SVM的半监督学习 | 第86-88页 |
| ·半监督学习概述 | 第86-87页 |
| ·基于SVM的半监督学习原理 | 第87-88页 |
| ·结合SVM理论的LPP半监督算法 | 第88-91页 |
| ·概述 | 第88页 |
| ·LPP半监督算法 | 第88-90页 |
| ·实验结果 | 第90-91页 |
| ·本章小结 | 第91-93页 |
| 第五章 结合相关反馈技术的LPP算法研究 | 第93-111页 |
| ·概述 | 第93-94页 |
| ·相关反馈技术的研究现状 | 第94-99页 |
| ·短期学习的相关反馈 | 第94-98页 |
| ·基于参数调整的方法 | 第94-95页 |
| ·基于概率分析的方法 | 第95-96页 |
| ·基于分类器的方法 | 第96-98页 |
| ·长期学习的相关反馈 | 第98-99页 |
| ·结合相关反馈技术的LPP算法 | 第99-110页 |
| ·理论背景 | 第99-100页 |
| ·FLPP算法的描述 | 第100-101页 |
| ·FLPP算法的理论分析 | 第101-106页 |
| ·矩阵XL_kX~T的收敛 | 第101-104页 |
| ·矩阵XL_kX~T的特征向量 | 第104-106页 |
| ·实验分析 | 第106-110页 |
| ·实验设计 | 第106-107页 |
| ·FLPP算法与标准LPP算法的比较实验 | 第107-109页 |
| ·FLPP算法的2D可视化实验 | 第109-110页 |
| ·本章小节 | 第110-111页 |
| 第六章 总结与展望 | 第111-114页 |
| ·主要研究成果 | 第111-112页 |
| ·展望 | 第112-114页 |
| 参考文献 | 第114-122页 |
| 致谢 | 第122-123页 |
| 攻博期间取得的研究成果 | 第123页 |
