基于回声状态网络的图像语义映射方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第10-18页 |
| 1.1 选题背景及意义 | 第10-11页 |
| 1.2 回声状态网络研究现状 | 第11页 |
| 1.3 图像语义映射研究现状 | 第11-15页 |
| 1.3.1 图像分类法 | 第12-13页 |
| 1.3.2 图像聚类法 | 第13-14页 |
| 1.3.3 相关反馈语义学习法 | 第14-15页 |
| 1.4 图像检索技术研究现状 | 第15-16页 |
| 1.5 本文的主要研究内容 | 第16-18页 |
| 2 图像语义映射相关技术概述 | 第18-28页 |
| 2.1 图像语义映射框架及方法 | 第18-19页 |
| 2.2 图像低层特征描述方法概述 | 第19-23页 |
| 2.2.1 颜色特征 | 第19-21页 |
| 2.2.2 纹理特征 | 第21-22页 |
| 2.2.3 形状特征 | 第22页 |
| 2.2.4 图像的空间关系特征 | 第22-23页 |
| 2.3 相似性度量方法概述 | 第23-24页 |
| 2.4 回声状态网络算法概述 | 第24-26页 |
| 2.4.1 回声状态网络标准模型 | 第24-25页 |
| 2.4.2 回声状态网络训练过程 | 第25-26页 |
| 2.5 多核并行技术概述 | 第26-27页 |
| 2.6 检索性能评价指标 | 第27页 |
| 2.7 本章小结 | 第27-28页 |
| 3 回声状态网络分类模型 | 第28-36页 |
| 3.1 引言 | 第28页 |
| 3.2 基于回声状态网络的时间序列分类 | 第28-29页 |
| 3.3 基于回声状态网络的静态模式分类 | 第29-31页 |
| 3.3.1 传统基于回声状态网络静态模式分类方法 | 第29-30页 |
| 3.3.2 静态模式分类训练过程优化 | 第30-31页 |
| 3.4 实验设计与结果分析 | 第31-34页 |
| 3.4.1 实验环境 | 第31-32页 |
| 3.4.2 实验及结果分析 | 第32-34页 |
| 3.5 本章小结 | 第34-36页 |
| 4 语义映射模型构建方法 | 第36-54页 |
| 4.1 引言 | 第36-37页 |
| 4.2 特征提取方法 | 第37-42页 |
| 4.2.1 颜色矩 | 第37-38页 |
| 4.2.2 灰度共生矩阵 | 第38-40页 |
| 4.2.3 Gabor小波 | 第40-42页 |
| 4.3 ESN语义映射模型 | 第42-46页 |
| 4.3.1 单储备池ESN语义映射模型 | 第42-43页 |
| 4.3.2 多储备池ESN语义映射模型 | 第43-46页 |
| 4.4 多核并行计算方法 | 第46-48页 |
| 4.5 实验设计与结果分析 | 第48-51页 |
| 4.5.1 实验环境 | 第48页 |
| 4.5.2 实验与结果分析 | 第48-51页 |
| 4.5.3 语义映射模块系统展示 | 第51页 |
| 4.6 本章小结 | 第51-54页 |
| 5 融合语义特征的图像检索 | 第54-66页 |
| 5.1 引言 | 第54页 |
| 5.2 融合语义特征的图像检索方法 | 第54-59页 |
| 5.2.1 融合语义特征图像检索方法框架 | 第54-56页 |
| 5.2.2 图像数据提取方法 | 第56-58页 |
| 5.2.3 图像库过滤方法 | 第58-59页 |
| 5.3 实验设计与结果分析 | 第59-64页 |
| 5.3.1 实验环境 | 第59页 |
| 5.3.2 实验与结果分析 | 第59-63页 |
| 5.3.3 图像检索模块系统展示 | 第63-64页 |
| 5.4 本章小结 | 第64-66页 |
| 6 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第74页 |
