| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文主要工作 | 第10-11页 |
| 1.4 论文组织 | 第11-13页 |
| 第2章 微博特征提取 | 第13-25页 |
| 2.1 数据描述 | 第13-14页 |
| 2.2 图像特征提取 | 第14-20页 |
| 2.2.1 几何特征 | 第14-15页 |
| 2.2.2 形状特征 | 第15-17页 |
| 2.2.3 纹理特征 | 第17-19页 |
| 2.2.4 颜色特征 | 第19-20页 |
| 2.3 文本特征提取 | 第20-23页 |
| 2.3.1 文本预处理 | 第20-22页 |
| 2.3.2 特征提取 | 第22-23页 |
| 2.4 社会信息特征提取 | 第23页 |
| 2.5 数据归一化 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 基于BPNN和SVM的微博图文相关关系识别 | 第25-33页 |
| 3.1 基于BPNN的微博图文相关关系识别 | 第25-29页 |
| 3.1.1 BP神经网络简介 | 第25-28页 |
| 3.1.2 方法描述 | 第28-29页 |
| 3.2 基于SVM的微博图文相关关系识别 | 第29-32页 |
| 3.2.1 SVM理论简介 | 第29-31页 |
| 3.2.2 方法描述 | 第31-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第4章 基于特征映射的微博图文相关关系识别 | 第33-38页 |
| 4.1 方法概述 | 第33-34页 |
| 4.2 特征映射 | 第34-37页 |
| 4.2.1 特征空间介绍 | 第34页 |
| 4.2.2 遗传算法简介 | 第34-36页 |
| 4.2.3 基于遗传算法的特征映射算法 | 第36-37页 |
| 4.3 识别模型的建立 | 第37页 |
| 4.4 本章小结 | 第37-38页 |
| 第5章 实验结果与分析 | 第38-50页 |
| 5.1 实验背景 | 第38页 |
| 5.2 实验结果 | 第38-48页 |
| 5.2.1 特征向量提取 | 第39-42页 |
| 5.2.2 基于BPNN的微博图文相关关系识别模型结果及分析 | 第42-44页 |
| 5.2.3 基于SVM的微博图文相关关系识别模型结果及分析 | 第44-45页 |
| 5.2.4 基于特征映射的微博图文相关关系识别模型结果及分析 | 第45-47页 |
| 5.2.5 三种方法收敛性分析与结果对比 | 第47-48页 |
| 5.3 本章小结 | 第48-50页 |
| 第6章 结论与展望 | 第50-52页 |
| 6.1 总结 | 第50页 |
| 6.2 展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 附录1 攻读硕士学位期间发表的论文 | 第57-58页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第58页 |
