| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 课题研究现状 | 第9-11页 |
| 1.3 论文主要工作及安排 | 第11-14页 |
| 第二章 视频处理相关理论基础 | 第14-28页 |
| 2.1 音频特征 | 第14-18页 |
| 2.1.1. 音频信号分析 | 第14-16页 |
| 2.1.2. 音频信号预处理 | 第16-17页 |
| 2.1.3. 常用音频特征 | 第17-18页 |
| 2.2 视觉特征 | 第18-25页 |
| 2.2.1. 视频内容层次结构 | 第19-20页 |
| 2.2.2. 镜头边界检测 | 第20-21页 |
| 2.2.3. 关键帧提取 | 第21-22页 |
| 2.2.4. 常用视觉特征 | 第22-25页 |
| 2.3 常用分类方法介绍 | 第25-27页 |
| 2.3.1. 朴素贝叶斯分类(Naive Bayesian Model,NBM) | 第26页 |
| 2.3.2. K最近邻法(k-Nearest Neighbor,KNN) | 第26页 |
| 2.3.3. 支持向量机(Support Vector Machine,SVM) | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于音频和视觉的双模态特征提取算法研究 | 第28-42页 |
| 3.1. 基于类型的视频内容分析 | 第28-30页 |
| 3.1.1 基于内容的视频分类介绍 | 第28-29页 |
| 3.1.2 基于类型的视频内容分析 | 第29-30页 |
| 3.2. 音频特征提取 | 第30-32页 |
| 3.2.1 音频信号预处理 | 第30-31页 |
| 3.2.2 块级音频特征描述子 | 第31-32页 |
| 3.3. 视频特征提取 | 第32-40页 |
| 3.3.1 视频镜头分割 | 第32-37页 |
| 3.3.2. 镜头特征 | 第37-38页 |
| 3.3.3 颜色特征 | 第38-40页 |
| 3.4. 本章小结 | 第40-42页 |
| 第四章 互联网视频分类实验及结果分析 | 第42-50页 |
| 4.1. 视频分类系统介绍 | 第42-43页 |
| 4.2. 基于SVM的多分类策略研究 | 第43-44页 |
| 4.2.1 一对多分类算法(1-against-rest) | 第43页 |
| 4.2.2 一对一多分类算法(1-against-1) | 第43-44页 |
| 4.2.4 有向无环图法 | 第44页 |
| 4.3. 互联网视频分类实验 | 第44-49页 |
| 4.3.1 实验数据及评价标准 | 第44-45页 |
| 4.3.2 基于单特征和多特征的二分类对比实验 | 第45-46页 |
| 4.3.3 分类器性能对比实验 | 第46页 |
| 4.3.4 各类别分类对比实验 | 第46-47页 |
| 4.3.5 基于SVM的多分类实验 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 结束语 | 第50-52页 |
| 5.1 论文工作总结 | 第50页 |
| 5.2 下一步研究方向 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-58页 |
| 攻读硕士学位期间发表的学术成果 | 第58页 |
