| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-22页 |
| ·引言 | 第10-11页 |
| ·研究现状 | 第11-18页 |
| ·语义相关性度量方法 | 第13-16页 |
| ·视觉与语义双模态信息的融合方法 | 第16-18页 |
| ·研究内容 | 第18-19页 |
| ·论文结构 | 第19-22页 |
| 第2章 预备知识 | 第22-30页 |
| ·引言 | 第22页 |
| ·基于视觉信息的图像标注方法 | 第22-25页 |
| ·图像特征提取 | 第23页 |
| ·高斯混合模型 | 第23-24页 |
| ·基于后验伪概率的图像标注 | 第24-25页 |
| ·图像标注的MMP 学习 | 第25页 |
| ·语义相关性度量方法 | 第25-28页 |
| ·基于WordNet 的JNC 度量 | 第26-27页 |
| ·基于WordNet 的LIN 度量 | 第27页 |
| ·基于WordNet 的BNP 度量 | 第27-28页 |
| ·实验数据库及评价准则 | 第28-29页 |
| ·图像数据库 | 第28页 |
| ·评价准则 | 第28-29页 |
| ·小结 | 第29-30页 |
| 第3章 融合多种语义相关性度量的神经网络及其交叉学习方法 | 第30-44页 |
| ·引言 | 第30-31页 |
| ·融合多种语义相关性度量的神经网络 | 第31-32页 |
| ·神经网络的交叉学习 | 第32-33页 |
| ·用粒子群算法实现神经网络的交叉学习 | 第33-37页 |
| ·粒子群优化算法 | 第34-35页 |
| ·粒子群优化神经网络 | 第35-37页 |
| ·图像标注去噪方法 | 第37-39页 |
| ·实验 | 第39-41页 |
| ·实验设置 | 第39-40页 |
| ·实验结果 | 第40-41页 |
| ·小结 | 第41-44页 |
| 第4章 融合视觉与语义双模态信息的改进随机游走方法 | 第44-52页 |
| ·引言 | 第44-45页 |
| ·改进随机游走模型 | 第45-46页 |
| ·用改进随机游走模型融合视觉与语义双模态信息 | 第46-47页 |
| ·实验 | 第47-49页 |
| ·实验设置 | 第47-48页 |
| ·实验结果 | 第48-49页 |
| ·小结 | 第49-52页 |
| 第5章 结论与展望 | 第52-54页 |
| ·全文工作总结 | 第52页 |
| ·进一步工作 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读学位期间发表论文与研究成果清单 | 第58-60页 |
| 致谢 | 第60页 |