| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-14页 |
| 1.1 引言 | 第10页 |
| 1.2 国内外研究现状综述 | 第10-12页 |
| 1.3 本文工作 | 第12页 |
| 1.4 本文研究内容和组织安排 | 第12-14页 |
| 2 图像分类关键技术研究 | 第14-32页 |
| 2.1 视觉特征提取 | 第14-22页 |
| 2.2 数据归约相关技术 | 第22-26页 |
| 2.3 分类器研究 | 第26-31页 |
| 2.4 本章小结 | 第31-32页 |
| 3 基于SVM决策融合局部和全局特征的图像分类 | 第32-41页 |
| 3.1 LSH映射局部特征向量集合成直方图 | 第32-35页 |
| 3.2 基于SVM的多特征融合 | 第35-38页 |
| 3.3 实验结果及分析 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 4 基于关键字的web图像爬虫 | 第41-49页 |
| 4.1 基于关键字的web图像主题爬虫架构 | 第41-42页 |
| 4.2 基于关键字的网页相关度计算 | 第42-45页 |
| 4.3 正文区域识别 | 第45-46页 |
| 4.4 实验结果及分析 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 5 基于内容和文本辅助的图像分类 | 第49-57页 |
| 5.1 单独文本分类存在的问题 | 第49-51页 |
| 5.2 单独内容分类存在的问题 | 第51-52页 |
| 5.3 融合内容和文本信息的web图像分类算法 | 第52-54页 |
| 5.4 实验结果及分析 | 第54-56页 |
| 5.5 本章小结 | 第56-57页 |
| 6 TinyPanda系统的设计与实现 | 第57-66页 |
| 6.1 系统构架 | 第57-58页 |
| 6.4 实验结果及分析 | 第58-65页 |
| 6.5 本章小结 | 第65-66页 |
| 7 结论与展望 | 第66-68页 |
| 7.1 总结 | 第66-67页 |
| 7.2 下一步研究方向 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考论文 | 第69-75页 |
| 附录 攻读硕士学位期间发表论文和参与科研项目情况66 | 第75页 |