图像数据库检索中的关键技术研究

目录	第1-6页
摘要	第6-8页
英文摘要	第8-10页
第一章 前言	第10-19页
·研究背景与意义	第10-11页
·研究背景	第10-11页
·研究意义	第11页
·研究现状	第11-14页
·基于内容的图像数据库检索技术	第11-12页
·基于内容的图像检索系统	第12-14页
·存在的问题及研究方向	第14-15页
·本文工作	第15-19页
·研究内容	第15-17页
·本文结构	第17-19页
第二章 基于内容的图像数据库检索系统介绍	第19-32页
·基于内容的图像数据库检索系统的组成	第19-20页
·图像的视觉特征	第20-22页
·色彩	第20-21页
·纹理	第21-22页
·形状	第22页
·空间位置信息	第22页
·图像特征的索引	第22-23页
·基于内容的图像相似性检索	第23-28页
·基于内容的相似性度量	第23-26页
·检索系统的用户接口	第26-28页
·用户相关反馈	第28-31页
·启发式用户相关反馈	第29-30页
·基于最优化方法的用户相关反馈	第30页
·基于机器学习的用户相关反馈	第30-31页
·用户相关反馈中的一些问题	第31页
·小结	第31-32页
第三章 基于长期学习策略的图像检索框架	第32-42页
·基于长期学习策略的图像检索方法	第32-34页
·用户反馈记录日志的分析	第34页
·用户协同过滤分析	第34-35页
·基于协同过滤分析的图像相似性度量	第35-36页
·基于用户反馈日志的分析的图像检索方法	第36-39页
·基本相关反馈方法	第36-37页
·基于用户反馈日志的分析的图像检索框架	第37-39页
·基于反馈日志分析的图像检索框架的有效性评价	第39-41页
·实验原型系统	第39页
·检索性能的衡量标准	第39-40页
·用户评价信息对检索性能改进的效果	第40-41页
·小结	第41-42页
第四章 基于用户反馈序列分析的图像检索方法	第42-56页
·交互式图像检索系统中的用户模型	第42-43页
·基于短期学习策略的用户模型	第42-43页
·基于长期学习策略的用户模型	第43页
·用户反馈序列日志的分析	第43-47页
·用户反馈的序列模式	第43-44页
·基于编辑距离的序列模式相似性度量	第44-47页
·语义相关对象集的生成算法	第47-49页
·检索方法	第49页
·实验与分析	第49-55页
·实验系统	第49-50页
·检索性能的衡量标准	第50页
·实验结果与分析	第50-55页
·小结	第55-56页
第五章 基于用户反馈记录聚类的图你检索方法	第56-71页
·用户过滤方法及其存在的问题	第56页
·基于信息过滤的相关反馈方法	第56-58页
·用户反馈模式的向量模型	第56-57页
·基于信息过滤的图像语义相关度量	第57-58页
·结合图像内容的用户反馈记录的模糊聚类	第58-64页
·模糊C均值聚类	第59-60页
·用户反馈记录的语义相关性邻集	第60-61页
·使用检索图像内容信息的模糊C均值聚类	第61-64页
·语义相关图像集的生成算法与基本反馈方法	第64-66页
·语义相关图像集的生成算法	第64-65页
·基本反馈方法与检索步骤	第65-66页
·实验与分析	第66-70页
·实验系统	第66-67页
·检索性能的衡量标准	第67页
·实验结果	第67-70页
·小结	第70-71页
第六章 基于多聚类中心的图像检索方法	第71-80页
·问题的提出	第71页
·分析	第71-73页
·模糊集与聚类	第73-76页
·模糊集	第73-74页
·最大树法的模糊聚类	第74-75页
·无指导模糊c均值聚类	第75-76页
·基于模糊聚类的相关反馈方法	第76-77页
·系统性能评价	第77-79页
·实验系统	第77页
·检索性能的衡量标准	第77-78页
·实验结果	第78-79页
·小结	第79-80页
第七章 总结与未来工作	第80-83页
·本文工作回顾	第80页
·结论	第80-81页
·未来工作的设想	第81-83页
参考文献	第83-94页
攻读学位期间作者的研究成果	第94-95页
致谢	第95-96页