| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-19页 |
| ·课题背景 | 第8-9页 |
| ·基于内容的图像检索研究现状 | 第9-16页 |
| ·特征表示 | 第10-13页 |
| ·相似度计算 | 第13-15页 |
| ·评价准则 | 第15页 |
| ·相关反馈 | 第15-16页 |
| ·典型检索系统 | 第16-17页 |
| ·本文主要工作及章节安排 | 第17-19页 |
| 第2章 聚类分析和支持向量机理论 | 第19-30页 |
| ·引言 | 第19页 |
| ·聚类分析 | 第19-22页 |
| ·数据表示 | 第20页 |
| ·相似度定义 | 第20页 |
| ·聚类算法分类 | 第20-22页 |
| ·支持向量机基本理论 | 第22-28页 |
| ·统计学习理论 | 第23-24页 |
| ·最优分类面 | 第24-25页 |
| ·SVM 数学模型 | 第25-28页 |
| ·小结 | 第28-30页 |
| 第3章 基于聚类的图像检索方法 | 第30-39页 |
| ·引言 | 第30-31页 |
| ·基于聚类的图像检索 | 第31-36页 |
| ·特征提取 | 第31-34页 |
| ·特征的高斯归一化 | 第34页 |
| ·近邻图像的选择 | 第34-35页 |
| ·聚类与类代表点的选择 | 第35-36页 |
| ·基于多聚类中心的相关反馈方法 | 第36-38页 |
| ·实验结果 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 基于聚类重采样的层次化SVM 学习方法 | 第39-51页 |
| ·引言 | 第39-41页 |
| ·类内的相关反馈学习 | 第41-43页 |
| ·基于熵的本征特征子空间选取 | 第41-42页 |
| ·类内的基于熵的样本选择 | 第42-43页 |
| ·层次化SVM 学习算法 | 第43-45页 |
| ·算法分析及实验结果 | 第45-50页 |
| ·层次化SVM 学习算法与Bootstrap 采样的SVM 比较 | 第46-47页 |
| ·层次化SVM 学习算法与主动学习采样的SVM 比较 | 第47页 |
| ·层次化SVM 学习算法与传统SVM 比较 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57页 |