| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第1章 绪论 | 第14-22页 |
| 1.1 课题背景和意义 | 第14-18页 |
| 1.1.1 课题背景 | 第14-17页 |
| 1.1.2 研究意义 | 第17-18页 |
| 1.2 国内外研究现状 | 第18-20页 |
| 1.2.1 重排序技术的研究 | 第18-19页 |
| 1.2.2 复杂查询的检索性能的研究 | 第19-20页 |
| 1.3 本文的主要工作和结构安排 | 第20-22页 |
| 1.3.1 本文主要工作 | 第20页 |
| 1.3.2 章节安排 | 第20-22页 |
| 第2章 概述 | 第22-37页 |
| 2.1 自然语言处理概述 | 第22-24页 |
| 2.1.1 分词介绍 | 第22-23页 |
| 2.1.2 NLP语言学基础 | 第23页 |
| 2.1.3 自然语言处理工具介绍 | 第23-24页 |
| 2.2 图像的视觉特征提取 | 第24-32页 |
| 2.2.1 颜色矩特征 | 第24-25页 |
| 2.2.2 纹理特征 | 第25-27页 |
| 2.2.3 边缘方向直方图 | 第27-28页 |
| 2.2.4 SIFT特征 | 第28-31页 |
| 2.2.5 视觉词袋模型(Bag Of Visual Word) | 第31-32页 |
| 2.3 K近邻算法 | 第32-33页 |
| 2.4 相似性度量 | 第33-34页 |
| 2.5 系统评价标准 | 第34-35页 |
| 2.6 本章小结 | 第35-37页 |
| 第3章 视觉概念检测 | 第37-46页 |
| 3.1 引言 | 第37页 |
| 3.2 视觉概念检测概述 | 第37-38页 |
| 3.3 实验数据收集 | 第38-40页 |
| 3.4 视觉概念检测过程 | 第40-43页 |
| 3.4.1 构建视觉词典 | 第41-42页 |
| 3.4.2 语句分割 | 第42页 |
| 3.4.3 视觉概念检测 | 第42-43页 |
| 3.5 视觉概念检测结果分析 | 第43-44页 |
| 3.6 本章小结 | 第44-46页 |
| 第4章 基于视觉概念的图像重排序系统 | 第46-59页 |
| 4.1 引言 | 第46-47页 |
| 4.2 基本思想 | 第47页 |
| 4.3 重排序系统的构建 | 第47-53页 |
| 4.3.1 语义相关性估计 | 第49-50页 |
| 4.3.2 视觉相关性估计 | 第50-53页 |
| 4.3.3 交叉形态相关性估计 | 第53页 |
| 4.4 实验结果与分析 | 第53-58页 |
| 4.4.1 实验数据收集 | 第53-54页 |
| 4.4.2 实验结果分析 | 第54-58页 |
| 4.4.2.1 使用不同特征的重排序结果分析 | 第54-55页 |
| 4.4.2.2 使用不同重排序方法的重排序结果分析 | 第55-57页 |
| 4.4.2.3 使用不同的视觉概念得到的重排序结果分析 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 总结与展望 | 第59-61页 |
| 5.1 本文的主要工作 | 第59页 |
| 5.2 未来展望 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第66-67页 |
