| 表目录 | 第1-7页 |
| 图目录 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-11页 |
| 第一章 绪论 | 第11-20页 |
| ·选题背景及研究意义 | 第11页 |
| ·现状与相关研究 | 第11-18页 |
| ·基于规则的方法 | 第12页 |
| ·基于统计学习的方法 | 第12-15页 |
| ·基于信息融合的方法 | 第15-16页 |
| ·基于概念上下文关系建模的方法 | 第16-18页 |
| ·其它方法 | 第18页 |
| ·基于语义的视频检索 | 第18页 |
| ·论文的主要内容 | 第18-20页 |
| 第二章 视觉词典法 | 第20-30页 |
| ·尺度不变特征变换SIFT | 第20-24页 |
| ·尺度空间极值点检测 | 第20-22页 |
| ·精确确定极值点位置 | 第22-23页 |
| ·关键点方向分配 | 第23-24页 |
| ·特征点描述子生成 | 第24页 |
| ·支持向量机简介 | 第24-26页 |
| ·最优分类超平面 | 第24-26页 |
| ·支持向量机 | 第26页 |
| ·基于视觉词典法的新闻视频语义概念检测 | 第26-29页 |
| ·视觉词典生成 | 第27-28页 |
| ·视觉词汇直方图构建 | 第28页 |
| ·SVM分类 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于随机化视觉词典组的新闻视频语义概念检测 | 第30-41页 |
| ·问题的提出 | 第30-31页 |
| ·E~2LSH原理 | 第31-34页 |
| ·一般的位置敏感哈希：LSH | 第31-32页 |
| ·l_p范数下的LSH：E~2LSH | 第32-33页 |
| ·E~2ZLSH桶哈希机制 | 第33-34页 |
| ·基于随机化视觉词典组的新闻视频语义概念检测 | 第34-37页 |
| ·基于E~2ZLSH的随机化视觉词典组构造 | 第35-36页 |
| ·基于E~2LSH的视觉词汇直方图构建 | 第36页 |
| ·SVM分类 | 第36-37页 |
| ·实验结果与性能比较 | 第37-39页 |
| ·本章小结 | 第39-41页 |
| 第四章 基于证据融合的新闻视频语义概念检测 | 第41-51页 |
| ·证据理论 | 第41-45页 |
| ·基本概念 | 第42-43页 |
| ·证据理论的合成公式 | 第43-44页 |
| ·冲突证据合成 | 第44-45页 |
| ·基于证据融合的新闻视频语义概念检测 | 第45-48页 |
| ·单一特征分类器训练 | 第45-47页 |
| ·证据生成 | 第47-48页 |
| ·证据融合 | 第48页 |
| ·实验结果与性能比较 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 基于语义的新闻视频检索 | 第51-56页 |
| ·系统结构与功能 | 第51-54页 |
| ·新闻视频结构分析模块 | 第52页 |
| ·数据存储模块 | 第52页 |
| ·语义概念分类器训练模块 | 第52-53页 |
| ·用户检索模块 | 第53-54页 |
| ·系统性能测试 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 结束语 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 作者简历攻读硕士学位期间完成的主要工作 | 第64-65页 |
| 致谢 | 第65页 |