| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 本课题的研究目的和意义 | 第10-12页 |
| 1.2 距离测度研究现状 | 第12-14页 |
| 1.3 本文工作与章节安排 | 第14-15页 |
| 第二章 机器学习中的距离测度 | 第15-26页 |
| 2.1 欧氏测度 | 第15-17页 |
| 2.1.1 欧氏距离 | 第15页 |
| 2.1.2 马氏距离 | 第15-16页 |
| 2.1.3 Hausdorff 距离 | 第16页 |
| 2.1.4 图像欧氏距离（IED） | 第16-17页 |
| 2.2 无监督测度学习-流形学习 | 第17-21页 |
| 2.2.1 Isomap | 第18-19页 |
| 2.2.2 LLE | 第19-21页 |
| 2.3 监督测度学习 | 第21-25页 |
| 2.3.1 全局测度学习 | 第21-23页 |
| 2.3.2 局部测度学习 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 语义测度学习 | 第26-49页 |
| 3.1 距离测度及其相关性质 | 第26-27页 |
| 3.2 语义测度学习 | 第27-36页 |
| 3.2.1 标注测量 | 第28-30页 |
| 3.2.2 基于无约束优化问题的测度学习（SML1） | 第30-31页 |
| 3.2.3 基于正定规划问题的测度学习（SML2） | 第31-34页 |
| 3.2.4 语义空间中的回归 | 第34-36页 |
| 3.3 年龄估计 | 第36-48页 |
| 3.3.1 相关工作 | 第36-37页 |
| 3.3.2 标准实验数据库简介 | 第37-38页 |
| 3.3.3 实验细节 | 第38-39页 |
| 3.3.4 收敛性分析 | 第39-40页 |
| 3.3.5 老化趋势发掘 | 第40-42页 |
| 3.3.6 年龄估计 | 第42-46页 |
| 3.3.7 训练样本集尺度适应性分析 | 第46-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第四章 图像协方差测度 | 第49-72页 |
| 4.1 图像块的协方差 | 第49-53页 |
| 4.1.1 图像块协方差的定义 | 第50页 |
| 4.1.2 快速协方差计算-积分图方法 | 第50-52页 |
| 4.1.3 协方差矩阵的距离计算 | 第52-53页 |
| 4.2 协方差矩阵的黎曼流形观点 | 第53-55页 |
| 4.2.1 黎曼流形 | 第53-54页 |
| 4.2.2 对称正定矩阵的流形空间 | 第54-55页 |
| 4.3 异常事件检测 | 第55-63页 |
| 4.3.1 相关工作 | 第56页 |
| 4.3.2 框架概述 | 第56-57页 |
| 4.3.3 基于协方差矩阵的模板匹配 | 第57-59页 |
| 4.3.4 基于流形学习的视频分析 | 第59-63页 |
| 4.4 TRECVID 异常事件检测竞赛 | 第63-71页 |
| 4.4.1 竞赛简介 | 第64-66页 |
| 4.4.2 评估准则 | 第66-67页 |
| 4.4.3 Pointing 事件检测 | 第67-71页 |
| 4.5 本章小结 | 第71-72页 |
| 第五章 结论 | 第72-74页 |
| 5.1 本文主要工作总结 | 第72-73页 |
| 5.2 后续研究方向展望 | 第73-74页 |
| 参考文献 | 第74-81页 |
| 符号与标记（附录1） | 第81-82页 |
| 致谢 | 第82-84页 |
| 攻读硕士学位期间已发表或录用的论文 | 第84-86页 |