| 第一章 引言 | 第1-22页 |
| ·机器学习和数据挖掘 | 第7-12页 |
| ·人工智能 | 第7-8页 |
| ·机器学习 | 第8-9页 |
| ·数据挖掘 | 第9-11页 |
| ·Boosting分类学习方法 | 第11-12页 |
| ·远程教育 | 第12-17页 |
| ·远程教育的发展 | 第12-15页 |
| ·远程教育的特点 | 第15-16页 |
| ·远程教育研究 | 第16-17页 |
| ·图像分类 | 第17-20页 |
| ·图像检索 | 第17-18页 |
| ·图像分类 | 第18-20页 |
| ·本文主要工作和论文结构 | 第20-22页 |
| 第二章 BOOSTING学习方法在远程教育分析中的应用研究 | 第22-47页 |
| ·远程教育领域的研究现状 | 第22-23页 |
| ·多媒体课程的简介 | 第23-26页 |
| ·算法描述 | 第26-32页 |
| ·数据收集 | 第32-33页 |
| ·校外远程数据实验结果及其分析 | 第33-42页 |
| ·校内数据实验结果及其分析 | 第42-45页 |
| ·校内外远程教育的对比 | 第45-47页 |
| 第三章 基于BOOSTING算法的图像分类 | 第47-75页 |
| ·相关工作 | 第47-48页 |
| ·图像分类的特征表示 | 第48-51页 |
| ·颜色特征 | 第49-50页 |
| ·形状特征 | 第50-51页 |
| ·基于Boosting算法的图像分类 | 第51-63页 |
| ·分类目标 | 第51-53页 |
| ·特征提取 | 第53-61页 |
| ·Boosting算法 | 第61-63页 |
| ·实验结果 | 第63-74页 |
| ·图像库 | 第63-65页 |
| ·实验结果及分析 | 第65-73页 |
| ·实验计算负担分析 | 第73-74页 |
| ·总结及讨论 | 第74-75页 |
| 第四章 结论 | 第75-78页 |
| 参考文献 | 第78-81页 |
| 致 谢 | 第81-82页 |
| 声 明 | 第82-83页 |
| 作者简历 | 第83页 |