| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| Content | 第5-7页 |
| 1 Introduction | 第7-15页 |
| ·Information retrieval | 第7-9页 |
| ·Relative machine learning technologies | 第9-12页 |
| ·Thesis organization | 第12-15页 |
| 2 Ensemble ranking SVM | 第15-29页 |
| ·Introduction | 第15-17页 |
| ·relative works | 第17-19页 |
| ·Pair-wise methods of learning to rank | 第17页 |
| ·Ranking SVM | 第17-18页 |
| ·Evaluation measures | 第18-19页 |
| ·The proposed Ensemble ranking SVM | 第19-22页 |
| ·Train model generation by ensemble methods | 第19-20页 |
| ·Choice of the final model set on validation set | 第20-21页 |
| ·Testing of a new query set | 第21-22页 |
| ·Experimental results | 第22-26页 |
| ·Conclusion | 第26-29页 |
| 3 Constraint Adaptive Propagation | 第29-41页 |
| ·Introduction | 第29-30页 |
| ·relative works | 第30-31页 |
| ·The proposed Constraint Adaptive Propagation | 第31-34页 |
| ·Adaptive Fidelity Terms | 第31-32页 |
| ·Smoothness Term | 第32页 |
| ·CAP Formulation | 第32-34页 |
| ·Experimental results | 第34-39页 |
| ·Conclusion | 第39-41页 |
| 4 Active learning for user interactive image retrieval | 第41-53页 |
| ·Introduction | 第41-43页 |
| ·Active learning based user interactive image retrieval | 第43-44页 |
| ·Interactive foreground extraction | 第44-46页 |
| ·Active learning from user relevance feedback | 第46-47页 |
| ·Experimental results | 第47-51页 |
| ·Conclusion | 第51-53页 |
| 5 Discussion | 第53-55页 |
| Reference | 第55-61页 |
| Acknowledgements | 第61-63页 |
| 硕士期间成果 | 第63页 |
