互联网图像语义表达规律分析及主题发现
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-24页 |
| ·课题的研究背景 | 第9页 |
| ·基于内容的图像检索研究现状 | 第9-12页 |
| ·基于关键词的图像语义表达方法 | 第12-19页 |
| ·基于判别方法的图像标注 | 第12-13页 |
| ·基于生成方式的图像标注——主题模型 | 第13-16页 |
| ·互联网社区图像的语义表达 | 第16-19页 |
| ·基于关键词的图像语义表达中遇到的问题 | 第19-21页 |
| ·论文的主要工作及章节安排 | 第21-24页 |
| ·论文的主要工作 | 第21-22页 |
| ·论文的组织结构 | 第22-24页 |
| 第2章 互联网图像标注的统计规律研究 | 第24-32页 |
| ·引言 | 第24页 |
| ·假设及前提 | 第24-26页 |
| ·互联网图像标注的统计规律 | 第26-31页 |
| ·稀疏分布假设 | 第26-29页 |
| ·局部收敛性 | 第29-30页 |
| ·全局收敛性 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 关键词完备集理论 | 第32-39页 |
| ·引言 | 第32页 |
| ·关键词完备集理论及双向LSA 算法 | 第32-36页 |
| ·关键词完备性理论 | 第32-33页 |
| ·双向LSA 算法 | 第33-35页 |
| ·双向LSA算法用于图像标注 | 第35-36页 |
| ·实验 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 视觉主题模型 | 第39-53页 |
| ·引言 | 第39页 |
| ·视觉主题模型框架 | 第39-41页 |
| ·视觉主题的定义 | 第40-41页 |
| ·视觉主题模型框架 | 第41页 |
| ·关键词语义相关性聚类 | 第41-44页 |
| ·KNN vs.ε-Ball | 第43-44页 |
| ·视觉差异性聚类 | 第44-46页 |
| ·视觉差异性的需要 | 第44页 |
| ·视觉差异性度量 | 第44-45页 |
| ·基于视觉差异性的挖掘算法 | 第45-46页 |
| ·基于视觉主题模型的图像标注算法 | 第46-48页 |
| ·利用视觉主题选取关键词 | 第46-47页 |
| ·基于视觉主题的图像标注算法 | 第47-48页 |
| ·实验结果及分析 | 第48-52页 |
| ·实验数据 | 第48-49页 |
| ·实验结果 | 第49-51页 |
| ·结果分析 | 第51页 |
| ·未来工作总结 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表的论文 | 第58-60页 |
| 致谢 | 第60页 |
