| 摘要 | 第8-10页 |
| Abstract | 第10-11页 |
| 第一章 绪论 | 第12-16页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究意义 | 第13-14页 |
| 1.3 主要贡献 | 第14页 |
| 1.4 本文的组织结构 | 第14-16页 |
| 第二章 相关研究现状 | 第16-20页 |
| 2.1 图像检索的重排序简介 | 第16页 |
| 2.2 图像检索的重排序框架 | 第16-17页 |
| 2.3 图像重排序常用方法 | 第17-19页 |
| 2.3.1 监督学习方法 | 第17-18页 |
| 2.3.2 非监督学习方法 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 基于多模态监督学习的图像重排序算法 | 第20-38页 |
| 3.1 引言 | 第20-22页 |
| 3.2 基于多模态监督学习的图像重排序算法 | 第22-25页 |
| 3.3 图像的视觉特征 | 第25-29页 |
| 3.3.1 HSV颜色直方图(HCH) | 第25-26页 |
| 3.3.2 RGB颜色直方图(RCH) | 第26页 |
| 3.3.3 基于分块的颜色矩(BCM) | 第26-27页 |
| 3.3.4 颜色相关图(CC) | 第27页 |
| 3.3.5 边缘方向直方图(EDH) | 第27-28页 |
| 3.3.6 基于小波变换的纹理特征(WT) | 第28-29页 |
| 3.4 图像的生成特征 | 第29-34页 |
| 3.4.1 基于PageRank的伪相关反馈(PPRF) | 第29-32页 |
| 3.4.2 密度特征(DF) | 第32页 |
| 3.4.3 初始化得分特征(IRS) | 第32-34页 |
| 3.5 图像的相似度计算 | 第34-35页 |
| 3.5.1 Jensen-Shannon散度 | 第34页 |
| 3.5.2 径向基函数 | 第34-35页 |
| 3.5.3 交距离 | 第35页 |
| 3.6 特征权重的学习——RankSVM | 第35-37页 |
| 3.6.1 SVM | 第35-36页 |
| 3.6.2 RankSVM | 第36-37页 |
| 3.7 本章小结 | 第37-38页 |
| 第四章 实验结果与分析 | 第38-46页 |
| 4.1 数据集 | 第38-39页 |
| 4.2 评价准则 | 第39-41页 |
| 4.3 对比方法 | 第41-42页 |
| 4.4 实验结果 | 第42-45页 |
| 4.4.1 所有查询上的性能比较 | 第42-43页 |
| 4.4.2 不同初始化列表上的性能比较 | 第43-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 总结与展望 | 第46-48页 |
| 5.1 工作总结 | 第46-47页 |
| 5.2 展望未来 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 攻读学位期间发表的学术论文目录 | 第52-53页 |
| 攻读学位期间参加的科研项目情况 | 第53-54页 |
| 攻读学位期间获奖情况 | 第54-55页 |
| 学位论文评阅及答辩情况表 | 第55页 |