图像检索中基于强化学习的相关反馈技术研究
| 中文摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 引言 | 第9-15页 |
| ·研究背景与意义 | 第9-11页 |
| ·研究现状 | 第11-13页 |
| ·基于内容的图像检索技术 | 第11-12页 |
| ·相关反馈算法的研究现状 | 第12-13页 |
| ·问题的提出 | 第13-14页 |
| ·内容安排 | 第14-15页 |
| 第二章 图像检索的可视化特征提取 | 第15-25页 |
| ·检索性能的衡量标准 | 第15-16页 |
| ·颜色特征的提取实验 | 第16-19页 |
| ·RGB 空间到HSV 空间的转换 | 第16-17页 |
| ·非均匀量化 | 第17页 |
| ·直方图的计算 | 第17-19页 |
| ·颜色直方图比较的实验结果 | 第19页 |
| ·形状特征的提取 | 第19-21页 |
| ·图像检索中其他的可视化特征 | 第21-22页 |
| ·特征归一化 | 第22-23页 |
| ·特征内部归一化 | 第22页 |
| ·特征外部归一化 | 第22-23页 |
| ·结合颜色与形状的检索算法实验 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 结合Q 学习的相关反馈图像检索算法 | 第25-36页 |
| ·强化学习原理 | 第25-27页 |
| ·强化学习的一个简单例子 | 第25-26页 |
| ·强化学习的定义 | 第26-27页 |
| ·Q 学习算法 | 第27-29页 |
| ·算法的定义 | 第27页 |
| ·算法步骤 | 第27-28页 |
| ·Q 学习算法举例 | 第28-29页 |
| ·实验中使用的相关反馈算法 | 第29-31页 |
| ·相关反馈的用户模式 | 第29页 |
| ·用户判断的度量方式 | 第29-30页 |
| ·特征加权算法 | 第30-31页 |
| ·结合Q 学习的相关反馈算法实验 | 第31-35页 |
| ·参数定义 | 第31-32页 |
| ·算法具体步骤 | 第32页 |
| ·实验结果分析和比较 | 第32-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 IRRL 模型及改进算法 | 第36-50页 |
| ·准备工作 | 第36-38页 |
| ·图像分类 | 第36页 |
| ·查询点优化反馈算法 | 第36-37页 |
| ·贝叶斯分类器反馈算法 | 第37-38页 |
| ·IRRL 模型参数定义 | 第38-39页 |
| ·IRRL 模型算法 | 第39-42页 |
| ·三种反馈算法的结合 | 第39-41页 |
| ·IRRL 模型算法 | 第41-42页 |
| ·对IRRL 模型提出的改进 | 第42-43页 |
| ·中值图像的选择 | 第42页 |
| ·动作的筛选 | 第42-43页 |
| ·本实验的算法 | 第43-45页 |
| ·求取反馈策略的算法 | 第43-44页 |
| ·根据反馈策略检索图像的算法 | 第44-45页 |
| ·实验数据 | 第45-47页 |
| ·实验结果分析和比较 | 第47-49页 |
| ·本实验结果分析 | 第47-48页 |
| ·与IRRL 模型结果比较 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| ·论文总结 | 第50页 |
| ·工作展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间论文发表情况 | 第55-56页 |
| 致谢 | 第56页 |
