基于内容的电子商务图像分类研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 专业术语注释表 | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 选题背景与意义 | 第9-10页 |
| 1.2 图像分类技术的研究现状 | 第10-12页 |
| 1.3 论文主要内容 | 第12-14页 |
| 1.4 章节安排 | 第14-15页 |
| 第二章 基于内容的图像分类研究 | 第15-39页 |
| 2.1 基于内容的图像分类过程 | 第15-16页 |
| 2.2 图像内容描述即特征提取 | 第16-28页 |
| 2.2.1 颜色特征提取 | 第17-23页 |
| 2.2.2 纹理特征提取 | 第23-27页 |
| 2.2.3 形状特征提取 | 第27-28页 |
| 2.3 图像分类方法 | 第28-36页 |
| 2.3.1 最近邻分类器 | 第28-30页 |
| 2.3.2 支持向量机 | 第30-33页 |
| 2.3.3 人工神经网络 | 第33-36页 |
| 2.4 图像分类算法的优缺点对比 | 第36-37页 |
| 2.4.1 最近邻分类算法优缺点 | 第36-37页 |
| 2.4.2 支持向量机算法优缺点 | 第37页 |
| 2.4.3 人工神经网络算法优缺点 | 第37页 |
| 2.5 本章小结 | 第37-39页 |
| 第三章 基于混合隶属度的集成分类器 | 第39-49页 |
| 3.1 隶属度函数 | 第39-44页 |
| 3.1.1 隶属度函数的引入 | 第39-41页 |
| 3.1.2 混合隶属度函数的设计 | 第41-44页 |
| 3.2 基于混合隶属度的集成分类器的设计 | 第44-47页 |
| 3.2.1 模糊最近邻分类器的设计 | 第44-45页 |
| 3.2.2 模糊支持向量机分类器的设计 | 第45-47页 |
| 3.2.3 集成分类器FSVM-FKNN的设计 | 第47页 |
| 3.3 本章总结 | 第47-49页 |
| 第四章 实验结果与分析 | 第49-63页 |
| 4.1 分类性能评价指标 | 第49页 |
| 4.2 实验对象 | 第49-50页 |
| 4.3 电子商务图像的特征提取 | 第50-55页 |
| 4.3.1 电子商务图像的颜色特征提取 | 第51-53页 |
| 4.3.2 电子商务图像的纹理特征提取 | 第53-55页 |
| 4.4 多特征分类下的实验结果 | 第55-57页 |
| 4.5 不同分类器的分类结果 | 第57-61页 |
| 4.6 本章小结 | 第61-63页 |
| 总结与展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间取得的学术成果 | 第69-70页 |
| 致谢 | 第70页 |
