| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 第一章 绪论 | 第10-16页 |
| ·引言 | 第10-13页 |
| ·本文工作 | 第13-15页 |
| ·本文的组织结构 | 第15-16页 |
| 第二章 相关工作与研究背景 | 第16-33页 |
| ·基于内容的图像语义标注基本框架 | 第16-17页 |
| ·图像视觉内容表示及特征提取 | 第17-21页 |
| ·图像底层特征 | 第17-18页 |
| ·基于词袋模型的图像表示 | 第18-21页 |
| ·标注模型 | 第21-31页 |
| ·基于生成模型的图像标注方法 | 第21-23页 |
| ·基于分类模型的图像标注方法 | 第23-24页 |
| ·利用标注词之间关系的图像标注方法 | 第24-31页 |
| ·协同过滤技术 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 基于语义概念上下文的渐进式自动标注方法 | 第33-48页 |
| ·基本思想 | 第33-34页 |
| ·渐进式标注框架 | 第34-36页 |
| ·基于内容的分类标注模型 | 第34-35页 |
| ·渐进式标注 | 第35-36页 |
| ·语义类概率密度函数估计 | 第36-38页 |
| ·核密度估计 | 第37页 |
| ·基于L_1范数的核函数 | 第37-38页 |
| ·上下文关系挖掘 | 第38-42页 |
| ·语义概念上下文关系估计 | 第38-39页 |
| ·基于非负矩阵分解的平滑技术 | 第39-41页 |
| ·标注词对的语义关系度量 | 第41-42页 |
| ·实验建立 | 第42-43页 |
| ·数据集 | 第42页 |
| ·性能度量准则 | 第42-43页 |
| ·实验结果 | 第43-46页 |
| ·渐进式标注和基于内容标注方法的比较 | 第43-44页 |
| ·语义概念上下文关系挖掘方法的比较 | 第44-45页 |
| ·与其他相关方法的比较 | 第45-46页 |
| ·小结与进一步工作 | 第46-48页 |
| 第四章 基于协同过滤的标注词推荐方法 | 第48-55页 |
| ·基本思想 | 第48页 |
| ·协同标注词推荐 | 第48-49页 |
| ·基于Lightweight CF算法的协同标注词推荐算法 | 第49-50页 |
| ·基于NMF的协同标注词推荐算法 | 第50-52页 |
| ·实验 | 第52-54页 |
| ·实验建立 | 第52-53页 |
| ·协同标注词推荐算法的整体性能 | 第53-54页 |
| ·小结与进一步工作 | 第54-55页 |
| 第五章 基于内容和标注词辅助信息的标注方法 | 第55-68页 |
| ·基本思想 | 第55-56页 |
| ·基于内容和标注词辅助信息的标注框架 | 第56-57页 |
| ·协同标注词共生概率估计 | 第57-59页 |
| ·利用协同过滤解决数据稀疏问题 | 第57-58页 |
| ·标注词共生关系估计 | 第58-59页 |
| ·实验建立 | 第59-61页 |
| ·实验结果 | 第61-65页 |
| ·标注词共生概率估计方法比较 | 第61页 |
| ·HPM与协同标注词推荐方法的比较 | 第61-62页 |
| ·HPM与其他相关方法的比较 | 第62-63页 |
| ·HPM在Web图像数据集上的性能 | 第63-65页 |
| ·HPM的鲁棒性 | 第65页 |
| ·小结与进一步工作 | 第65-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 参考文献 | 第70-78页 |
| 攻读硕士期间的科研成果 | 第78-79页 |
| 致谢 | 第79-80页 |