| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-15页 |
| ·课题来源和研究意义 | 第8页 |
| ·粒计算理论发展综述 | 第8-11页 |
| ·起源 | 第8-9页 |
| ·研究现状及应用 | 第9-11页 |
| ·图像分类检索发展综述 | 第11-12页 |
| ·图像分类检索发展 | 第11-12页 |
| ·图像分类检索发展现状 | 第12页 |
| ·本文的主要研究内容 | 第12-13页 |
| ·本文的组织结构 | 第13-15页 |
| 第2章 粒计算理论 | 第15-25页 |
| ·引言 | 第15页 |
| ·粒计算的理论模型 | 第15-19页 |
| ·基于词计算的理论模型 | 第15-16页 |
| ·基于商空间的理论模型 | 第16-18页 |
| ·基于粗糙集的理论模型 | 第18-19页 |
| ·粒计算模型之间的关系 | 第19-20页 |
| ·粒计算的基本概念 | 第20-22页 |
| ·粒的基本问题 | 第20-21页 |
| ·粒的基本组成 | 第21-22页 |
| ·粒计算应用研究 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 图像信息的描述及特征提取 | 第25-33页 |
| ·引言 | 第25页 |
| ·图像特征──颜色(Color Feature，CF) | 第25-27页 |
| ·颜色特征概述 | 第25-26页 |
| ·颜色特征提取 | 第26-27页 |
| ·图像特征──纹理(Texture Feature，TF) | 第27-30页 |
| ·纹理特征概述 | 第27-28页 |
| ·纹理特征提取 | 第28-30页 |
| ·图像特征──形状(Shape Feature，SF)) | 第30-32页 |
| ·形状特征概述 | 第30-31页 |
| ·形状特征提取 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 基于相容信息粒度空间模型图像分类 | 第33-41页 |
| ·引言 | 第33页 |
| ·相容信息粒 | 第33-35页 |
| ·相容关系 | 第34页 |
| ·相容信息粒度空间 | 第34-35页 |
| ·基于相容信息粒度空间的规则置信度 | 第35页 |
| ·基于相容信息粒的规则提取算法(TGR) | 第35-37页 |
| ·基于相容信息粒的图像分类器 | 第37-40页 |
| ·基于图像特征的相容信息系统 | 第37-38页 |
| ·生成图像分类器 | 第38-39页 |
| ·测试图像分类器 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第5章 图像分类的实验 | 第41-50页 |
| ·引言 | 第41页 |
| ·预处理──图像特征的离散化 | 第41-43页 |
| ·构造最佳图像分类器 | 第43-46页 |
| ·生成图像特征相容粒 | 第43-44页 |
| ·测试图像分类器 | 第44-46页 |
| ·与其他算法比较 | 第46-49页 |
| ·测试样本集数据 | 第46-48页 |
| ·测试新数据 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第6章 基于相容信息粒度空间的图像分块分类方法 | 第50-60页 |
| ·引言 | 第50页 |
| ·图像分层 | 第50-51页 |
| ·构造层次性图像分类器 | 第51-55页 |
| ·设计原理 | 第51-53页 |
| ·实现步骤 | 第53-54页 |
| ·具体问题以及解决方案 | 第54-55页 |
| ·测试 | 第55-58页 |
| ·粒度大小的选择 | 第55-56页 |
| ·相似度阀值的选择 | 第56-57页 |
| ·测试分类器效果 | 第57-58页 |
| ·系统介绍 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第7章 结束语 | 第60-62页 |
| ·总结 | 第60-61页 |
| ·展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读学位期间的研究成果 | 第68页 |
