| 摘要 | 第13-15页 |
| ABSTRACT | 第15-17页 |
| 第1章 绪论 | 第18-24页 |
| 1.1 研究背景 | 第18-20页 |
| 1.2 本文的研究内容及意义 | 第20-21页 |
| 1.3 本文的贡献及创新点 | 第21-23页 |
| 1.4 本文的组织结构 | 第23-24页 |
| 第2章 相关研究工作现状 | 第24-33页 |
| 2.1 图像标注 | 第24-27页 |
| 2.1.1 模型驱动的方法 | 第24-26页 |
| 2.1.2 数据驱动的方法 | 第26-27页 |
| 2.2 图像标签处理 | 第27-30页 |
| 2.2.1 标签修正 | 第28页 |
| 2.2.2 标签排序 | 第28-29页 |
| 2.2.3 标签相关度学习 | 第29页 |
| 2.2.4 标签推荐 | 第29-30页 |
| 2.3 图像重排序 | 第30-32页 |
| 2.3.1 相关性重排序 | 第30-31页 |
| 2.3.2 多样性重排序 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 本文涉及的基础知识 | 第33-45页 |
| 3.1 图像视觉特征提取 | 第33-36页 |
| 3.1.1 颜色直方图 | 第33页 |
| 3.1.2 颜色矩 | 第33-34页 |
| 3.1.3 颜色相关图 | 第34页 |
| 3.1.4 可伸缩颜色描述子 | 第34页 |
| 3.1.5 基于小波变换的纹理特征 | 第34页 |
| 3.1.6 边缘方向直方图 | 第34-35页 |
| 3.1.7 GIST特征描述子 | 第35页 |
| 3.1.8 SIFT特征描述子 | 第35页 |
| 3.1.9 视觉词袋模型 | 第35-36页 |
| 3.2 视觉语言模型 | 第36-38页 |
| 3.3 概率主题模型 | 第38-40页 |
| 3.4 排序学习 | 第40-42页 |
| 3.5 结构化支持向量机 | 第42-43页 |
| 3.6 本章小节 | 第43-45页 |
| 第4章 改进的基于近邻的图像标注方法 | 第45-69页 |
| 4.1 概述 | 第45-47页 |
| 4.2 面向排序的近邻搜索机制 | 第47-52页 |
| 4.2.1 隐式偏序信息挖掘 | 第48-50页 |
| 4.2.2 关注Top-K的排序算法 | 第50-52页 |
| 4.3 基于学习的关键词传递策略 | 第52-58页 |
| 4.3.1 联合特征表示 | 第53-55页 |
| 4.3.2 基于Structural SVM的学习 | 第55-58页 |
| 4.4 实验评估 | 第58-68页 |
| 4.4.1 数据集 | 第58-60页 |
| 4.4.2 评价指标 | 第60-61页 |
| 4.4.3 参数设置 | 第61-63页 |
| 4.4.4 与其他方法的比较 | 第63-65页 |
| 4.4.5 方法组件的有效性 | 第65-67页 |
| 4.4.6 计算时间花费 | 第67-68页 |
| 4.5 本章小结 | 第68-69页 |
| 第5章 面向排序的标签相关度学习方法 | 第69-91页 |
| 5.1 概述 | 第69-71页 |
| 5.2 标签相关度形式化推导 | 第71-74页 |
| 5.2.1 视觉近邻搜索 | 第71-72页 |
| 5.2.2 标签相关度函数 | 第72-74页 |
| 5.3 面向排序的学习过程 | 第74-79页 |
| 5.3.1 问题转换 | 第74-75页 |
| 5.3.2 优化问题定义 | 第75-77页 |
| 5.3.3 学习算法 | 第77-79页 |
| 5.4 实验配置 | 第79-82页 |
| 5.4.1 数据集 | 第79-80页 |
| 5.4.2 评价方法及指标 | 第80-81页 |
| 5.4.3 对比方法 | 第81-82页 |
| 5.4.4 参数设置 | 第82页 |
| 5.5 实验结果 | 第82-90页 |
| 5.5.1 图像检索任务上的结果分析 | 第82-84页 |
| 5.5.2 标签推荐任务上的结果分析 | 第84-85页 |
| 5.5.3 训练效率比较 | 第85-86页 |
| 5.5.4 模型参数带来的好处 | 第86-88页 |
| 5.5.5 模型参数可视化 | 第88-89页 |
| 5.5.6 潜在语义空间维度的影响 | 第89-90页 |
| 5.6 本章小结 | 第90-91页 |
| 第6章 结合相关性和多样性的图像标签推荐方法 | 第91-105页 |
| 6.1 概述 | 第91-94页 |
| 6.2 标签的相关性和标签间的视觉距离 | 第94-96页 |
| 6.2.1 标签与图像的相关性 | 第94-95页 |
| 6.2.2 标签间的视觉距离 | 第95-96页 |
| 6.3 图像标签推荐方法 | 第96-98页 |
| 6.3.1 标签集合的相关性与多样性 | 第96-97页 |
| 6.3.2 推荐算法描述及时间复杂性分析 | 第97-98页 |
| 6.4 实验评估 | 第98-104页 |
| 6.4.1 实验设置 | 第98-100页 |
| 6.4.2 评价指标 | 第100-101页 |
| 6.4.3 实验结果分析 | 第101-104页 |
| 6.5 本章小结 | 第104-105页 |
| 第7章 结合相关性和多样性的图像重排序方法 | 第105-121页 |
| 7.1 概述 | 第105-106页 |
| 7.2 图像间距离计算 | 第106-107页 |
| 7.3 图像重排序方法 | 第107-111页 |
| 7.3.1 相互投票算法 | 第108-109页 |
| 7.3.2 贪心选择算法 | 第109页 |
| 7.3.3 图像重排序算法 | 第109-111页 |
| 7.4 实验评估 | 第111-120页 |
| 7.4.1 数据集获取 | 第111-113页 |
| 7.4.2 实验细节 | 第113页 |
| 7.4.3 评价指标 | 第113-114页 |
| 7.4.4 参数选择 | 第114-116页 |
| 7.4.5 实验结果 | 第116-120页 |
| 7.5 本章小结 | 第120-121页 |
| 第8章 总结与展望 | 第121-123页 |
| 8.1 主要工作总结 | 第121-122页 |
| 8.2 未来工作展望 | 第122-123页 |
| 参考文献 | 第123-136页 |
| 致谢 | 第136-137页 |
| 攻读学位期间发表的学术论文目录 | 第137-139页 |
| 攻读学位期间参与科研项目情况 | 第139-140页 |
| 攻读学位期间获奖情况 | 第140-141页 |
| 外文论文 | 第141-208页 |
| 附表 | 第208页 |