| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-12页 |
| 1 绪论 | 第12-28页 |
| ·课题的研究背景 | 第12-15页 |
| ·场景分类的意义 | 第13页 |
| ·场景分类与目标分类的区别 | 第13-14页 |
| ·图像场景层次化描述 | 第14-15页 |
| ·场景分类方法综述 | 第15-22页 |
| ·基于低层的场景分类 | 第16-17页 |
| ·基于中层的场景分类 | 第17-22页 |
| ·场景分类的难点问题 | 第22-24页 |
| ·论文主要工作及研究成果 | 第24-26页 |
| ·论文主要工作 | 第24-25页 |
| ·论文研究成果 | 第25-26页 |
| ·论文安排 | 第26-28页 |
| 2 基于概率生成模型的场景分类 | 第28-44页 |
| ·图模型相关理论 | 第28-32页 |
| ·图模型 | 第28-29页 |
| ·贝叶斯网络 | 第29-31页 |
| ·概率生成模型 | 第31-32页 |
| ·场景分类中的概率生成模型 | 第32-37页 |
| ·概率潜在语义分析模型 | 第32-34页 |
| ·潜在狄雷克雷分布模型 | 第34-36页 |
| ·pLSA与LDA的转化关系 | 第36-37页 |
| ·主题模型的几何意义及图像中的对应 | 第37-38页 |
| ·模型的几何意义 | 第37-38页 |
| ·图像与文本的对应关系 | 第38页 |
| ·实验与分析 | 第38-42页 |
| ·测试数据集 | 第39-40页 |
| ·性能评价 | 第40-41页 |
| ·实验分析 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 3 基于类别约束的场景分类算法 | 第44-64页 |
| ·问题描述 | 第44-46页 |
| ·词包模型相关介绍 | 第46-50页 |
| ·视觉词包(Bag of Visterms) | 第46-48页 |
| ·多义和同义问题分析 | 第48-50页 |
| ·基于类别约束的主题模型 | 第50-57页 |
| ·等维类主题建模方式 | 第51-55页 |
| ·自适应类主题数的设置方法 | 第55-57页 |
| ·模型判别方法 | 第57-58页 |
| ·实验结果与分析 | 第58-63页 |
| ·实验设置 | 第59页 |
| ·实验分析 | 第59-63页 |
| ·本章小结 | 第63-64页 |
| 4 基于二次模型参数估计的场景分类算法 | 第64-84页 |
| ·问题描述 | 第64-66页 |
| ·相关理论介绍 | 第66-69页 |
| ·狄里克雷分布(Dirichlet Distribution) | 第66-67页 |
| ·EM算法 | 第67-69页 |
| ·基于二次参数估计模型的场景分类 | 第69-77页 |
| ·模型描述 | 第69-71页 |
| ·通用主题先验参数估计 | 第71-74页 |
| ·类主题先验参数推导 | 第74-76页 |
| ·场景类判别 | 第76-77页 |
| ·实验结果与分析 | 第77-82页 |
| ·分类性能比较 | 第77-78页 |
| ·主题数量对X-LDA性能影响 | 第78-80页 |
| ·模型学习时间复杂度及增量学习能力 | 第80-82页 |
| ·本章小结 | 第82-84页 |
| 5 基于空间语义主题的场景分类 | 第84-104页 |
| ·问题描述 | 第84-86页 |
| ·特征相关介绍 | 第86-91页 |
| ·点特征检测方法 | 第86-90页 |
| ·尺度不变特征变换描述 | 第90-91页 |
| ·具备空间语义的主题模型 | 第91-98页 |
| ·空间视觉词包算法 | 第92-95页 |
| ·空间语义主题生成 | 第95-97页 |
| ·场景分类方法 | 第97-98页 |
| ·实验及分析 | 第98-103页 |
| ·实验设置 | 第98-100页 |
| ·实验结果分析 | 第100-103页 |
| ·本章小结 | 第103-104页 |
| 6 论文工作总结与展望 | 第104-108页 |
| ·论文工作总结 | 第104-105页 |
| ·进一步的工作 | 第105-108页 |
| 参考文献 | 第108-116页 |
| 作者简历 | 第116-118页 |
| 攻读博士学位期间发表的学术论文 | 第118-122页 |
| 学位论文数据集 | 第122页 |