| 中文摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景和意义 | 第9-10页 |
| ·图像分类的研究现状 | 第10-11页 |
| ·本文主要工作 | 第11页 |
| ·论文组织结构 | 第11-13页 |
| 第二章 基于“词袋”模型的图像分类系统简介 | 第13-29页 |
| ·“词袋”模型概述 | 第13-14页 |
| ·“词袋”模型基本原理 | 第14-15页 |
| ·视觉词汇表构建 | 第15-18页 |
| ·图像分割及 SIFT 特征提取 | 第16-17页 |
| ·聚类生成视觉词汇表 | 第17-18页 |
| ·语言模型 | 第18-23页 |
| ·语言建模基本原理 | 第19-20页 |
| ·零概率问题以及解决办法 | 第20-22页 |
| ·基于 n-gram 语言模型的图像训练和分类过程 | 第22-23页 |
| ·BOW-LM 图像分类系统 | 第23-25页 |
| ·系统性能及评价 | 第25-28页 |
| ·测试配置 | 第25页 |
| ·测试结果 | 第25-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于自组织神经网络和演化自组织神经网络的视觉词汇表生成方法 | 第29-45页 |
| ·神经网络算法及自组织特征映射概述 | 第29-30页 |
| ·自组织特征映射与结构数据的自适应处理 | 第30-36页 |
| ·结构数据的有向无环图表述方法 | 第30-32页 |
| ·SOM-SD 算法 | 第32-36页 |
| ·Evolving SOM-SD 算法 | 第36-41页 |
| ·SOM-SD 及 Evolving SOM-SD 视觉词汇表生成方法 | 第41-42页 |
| ·实验结果及分析 | 第42-44页 |
| ·本章小节 | 第44-45页 |
| 第四章 基于 FCM-HS 的视觉词汇表构建方法 | 第45-55页 |
| ·传统 K 均值算法概述 | 第45-46页 |
| ·模糊 C 均值算法概述 | 第46-47页 |
| ·基于空间约束的模糊 K 均值算法 | 第47-49页 |
| ·基于空间约束的模糊 C 均值分层算法 FCM-HS | 第49-51页 |
| ·FCM-HS 视觉词汇表生成方法 | 第51-52页 |
| ·实验结果及分析 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| ·总结 | 第55页 |
| ·今后的工作和展望 | 第55-57页 |
| 缩略词表 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士期间发表的文章 | 第63-64页 |
| 致谢 | 第64-65页 |
