基于跨媒体特征向量的分类及多模态数据分析
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| ·项目背景与研究意义 | 第10-11页 |
| ·公共安全的跨媒体研究现状 | 第11-13页 |
| ·本文的组织结构 | 第13-15页 |
| 第二章 跨媒体检索综述 | 第15-23页 |
| ·基于文本的检索 | 第15-16页 |
| ·基于关键字的检索 | 第16页 |
| ·安全警报平台中基于语义的跨媒体检索 | 第16-18页 |
| ·特征提取 | 第18-21页 |
| ·基于内容的图像检索 | 第18-20页 |
| ·基于内容的音频检索 | 第20-21页 |
| ·基于模式识别理论的跨媒体检索 | 第21-23页 |
| 第三章 跨媒体特征提取分析 | 第23-34页 |
| ·特征提取 | 第23-29页 |
| ·图像特征提取 | 第23-26页 |
| ·音频特征提取 | 第26-29页 |
| ·基于 DTW 算法的语音识别分类 | 第29-34页 |
| 第四章 基于流形学习的跨媒体数据表达 | 第34-48页 |
| ·流形学习理论背景概述 | 第34页 |
| ·跨媒体技术相关的流形学习算法 | 第34-48页 |
| ·PCA 降维技术 | 第35-38页 |
| ·奇异值分解（SVD） | 第38页 |
| ·线性判别分析（LDA） | 第38-41页 |
| ·PCA 和 LDA 结合的算法 | 第41-42页 |
| ·计量多维尺度分析（MDS） | 第42-43页 |
| ·局部线性嵌入算法（LLE） | 第43-45页 |
| ·拉普拉斯本征映射（LE） | 第45-48页 |
| 第五章 基于跨媒体特征向量分类及其相关算法 | 第48-70页 |
| ·基于自适应最近邻的拉普拉斯本征映射算法 | 第48-51页 |
| ·理论及算法实现过程 | 第48-50页 |
| ·实验验证 | 第50-51页 |
| ·跨媒体数据的底层特征生成 | 第51-55页 |
| ·基于底层数据的特征建模技术 | 第51-55页 |
| ·实验 | 第55-70页 |
| ·实验环境和参数配置 | 第55-56页 |
| ·实验流程 | 第56-62页 |
| ·流形学习对跨媒体基元生成模型实例的降维结果 | 第62-67页 |
| ·自适应最近邻 LE 算法的 k 近邻选择 | 第67-70页 |
| 第六章 总结与展望 | 第70-73页 |
| ·论文工作总结 | 第70-71页 |
| ·研究工作展望 | 第71-73页 |
| 参考文献 | 第73-76页 |
| 作者简介及在学期间所取得的科研成果 | 第76-77页 |
| 1 作者简介 | 第76页 |
| 2 研究生期间参与的项目 | 第76-77页 |
| 致谢 | 第77页 |
