摘要 | 第5-6页 |
Abstract | 第6页 |
第一章 引言 | 第9-15页 |
1.1 研究背景 | 第9-11页 |
1.1.1 跨域学习的概念 | 第10页 |
1.1.2 跨媒体搜索的发展 | 第10-11页 |
1.2 国内外研究现状 | 第11-14页 |
1.2.1 跨媒体搜索 | 第11-13页 |
1.2.2 余代数 | 第13-14页 |
1.3 研究内容 | 第14页 |
1.4 论文结构 | 第14-15页 |
第二章 跨媒体检索技术 | 第15-22页 |
2.1 迁移性学习 | 第15-17页 |
2.1.1 迁移性学习概况 | 第15页 |
2.1.2 迁移性学习的常见几种模型 | 第15-17页 |
2.2 图像特征 | 第17页 |
2.2.1 颜色特征 | 第17页 |
2.2.2 纹理特征 | 第17页 |
2.2.3 形状特征 | 第17页 |
2.3 SIFT特征点提取 | 第17-21页 |
2.3.1 构建尺度空间 | 第17-18页 |
2.3.2 检测DOG尺度空间极值点 | 第18-19页 |
2.3.3 特征值归一化处理 | 第19-20页 |
2.3.4 根据SIFT提取的特征点进行数据相似度匹配 | 第20-21页 |
2.4 本章小结 | 第21-22页 |
第三章 基于余代数同态的跨域模型的构建 | 第22-30页 |
3.1 余代数 | 第22页 |
3.1.1 余代数相关定义 | 第22页 |
3.2 余代数同态的证明 | 第22-23页 |
3.2.1 证明迁移学习满足归纳法而跨域学习满足余归纳法 | 第22-23页 |
3.3 多媒体之间同态结构模型 | 第23-25页 |
3.3.1 同态模型转化到多媒体领域 | 第23-24页 |
3.3.2 多媒体跨域学习同态模型具体结构 | 第24-25页 |
3.4 相似度测量 | 第25-27页 |
3.4.1 向量空间模型 | 第25-26页 |
3.4.2 k-means聚类 | 第26-27页 |
3.5 评估现有的多媒体检索 | 第27-29页 |
3.5.1 MPEG-7标准 | 第27-28页 |
3.5.2 现有多媒体检索 | 第28-29页 |
3.6 本章小结 | 第29-30页 |
第四章 基于余代数跨域学习的跨媒体搜索模型 | 第30-36页 |
4.1 基于余代数跨域学习的跨媒体搜索模型架构设计 | 第30-32页 |
4.1.1 架构概述 | 第30-31页 |
4.1.2 架构成分结构图 | 第31-32页 |
4.2 具体实施 | 第32页 |
4.2.1 实施步骤 | 第32页 |
4.2.2 客户端界面设计 | 第32页 |
4.3 性能评估 | 第32-35页 |
4.3.1 数据集选取 | 第33页 |
4.3.2 结果显示及分析 | 第33-35页 |
4.4 本章小结 | 第35-36页 |
第五章 总结与展望 | 第36-37页 |
5.1 总结 | 第36页 |
5.2 展望 | 第36-37页 |
参考文献 | 第37-41页 |
致谢 | 第41页 |