| 摘要 | 第5-8页 |
| ABSTRACT | 第8-12页 |
| 第一章 绪论 | 第19-41页 |
| 1.1 课题来源 | 第19页 |
| 1.2 研究背景与意义 | 第19-21页 |
| 1.3 跨媒体信息语义分析 | 第21-23页 |
| 1.4 跨媒体信息语义分类 | 第23-24页 |
| 1.5 相关技术 | 第24-37页 |
| 1.5.1 图像表达技术 | 第24-28页 |
| 1.5.2 图像语义标注技术 | 第28-30页 |
| 1.5.3 基于主题模型的语义分析技术 | 第30-33页 |
| 1.5.4 基于迁移学习的语义分类技术 | 第33-37页 |
| 1.6 主要研究成果与创新点 | 第37-39页 |
| 1.7 论文组织 | 第39-41页 |
| 第二章 基于视觉词袋模型的图像表达方法 | 第41-61页 |
| 2.1 引言 | 第41-42页 |
| 2.2 基于视觉词袋模型的图像表达方法(BOVW-RIR)的提出 | 第42-43页 |
| 2.3 复合底层特征(SM)的生成 | 第43-46页 |
| 2.3.1 图像底层特征提取 | 第43-45页 |
| 2.3.2 特征融合过程 | 第45-46页 |
| 2.4 基于距离优化的特征维度约简方法(DO-LLE)的提出 | 第46-48页 |
| 2.4.1 特征点间距离的优化系数的确定 | 第46-47页 |
| 2.4.2 距离优化的维度约简算法的提出 | 第47-48页 |
| 2.5 自适应特征聚类算法(AC)的提出 | 第48-51页 |
| 2.5.1 自适应特征聚类算法(AC)的提出 | 第49-50页 |
| 2.5.2 初始聚类中心的选择优化 | 第50-51页 |
| 2.6 基于BOVW-RIR的图像表达过程 | 第51页 |
| 2.7 图像语义分类实验 | 第51-59页 |
| 2.7.1 图像语义分类的实验数据集 | 第52-54页 |
| 2.7.2 图像语义分类的实验结果和分析 | 第54-59页 |
| 2.8 本章小结 | 第59-61页 |
| 第三章 基于潜在主题融合的图像语义标注 | 第61-82页 |
| 3.1 引言 | 第61-62页 |
| 3.2 图像语义标注框架(ISA)的提出 | 第62-63页 |
| 3.3 文本模态数据的语义主题建模 | 第63-64页 |
| 3.4 视觉模态数据的语义主题建模 | 第64-66页 |
| 3.5 基于潜在主题融合的图像语义标注模型(LSTWF-ISA)的建立 | 第66-69页 |
| 3.5.1 潜在主题加权融合过程 | 第66-68页 |
| 3.5.2 LSTWF-ISA模型的语义标注过程 | 第68-69页 |
| 3.6 图像语义标注实验 | 第69-80页 |
| 3.6.1 图像语义标注的实验数据集 | 第69-71页 |
| 3.6.2 图像语义标注的性能评价标准 | 第71页 |
| 3.6.3 LSTWF-ISA模型的参数设定和交叉验证 | 第71-73页 |
| 3.6.4 图像语义标注的实验结果分析 | 第73-80页 |
| 3.7 本章小结 | 第80-82页 |
| 第四章 基于特征迁移的图像语义分类的实现 | 第82-106页 |
| 4.1 引言 | 第82-83页 |
| 4.2 食品安全突发事件文本-图像共现数据的形式化描述 | 第83-85页 |
| 4.3 基于信息增益的文本语义特征选择方法(IGTSFS)的提出 | 第85-88页 |
| 4.3.1 文本数据的语义主题特征提取 | 第86-87页 |
| 4.3.2 基于信息增益的特征选择过程 | 第87-88页 |
| 4.4 食品安全突发事件文本-图像特征映射算法(TIFM)的提出 | 第88-91页 |
| 4.4.1 食品安全突发事件文本-图像特征映射的思想 | 第88-89页 |
| 4.4.2 食品安全突发事件文本-图像特征映射算法的步骤 | 第89-91页 |
| 4.5 基于特征迁移的图像语义分类模型(FT-ISC)的建立 | 第91-95页 |
| 4.5.1 图像语义分类风险最小化机制的思想 | 第92-93页 |
| 4.5.2 基于距离的期望损失函数 | 第93-94页 |
| 4.5.3 基于特征迁移的图像语义分类过程 | 第94-95页 |
| 4.6 特征迁移和图像语义分类实验 | 第95-104页 |
| 4.6.1 特征迁移的评价标准 | 第95-96页 |
| 4.6.2 图像语义分类的评价标准 | 第96页 |
| 4.6.3 特征迁移和图像语义分类的实验数据集 | 第96-98页 |
| 4.6.4 特征迁移和图像语义分类的实验结果分析 | 第98-104页 |
| 4.7 本章小结 | 第104-106页 |
| 第五章 基于特征加权的图像语义分类的实现 | 第106-121页 |
| 5.1 引言 | 第106-107页 |
| 5.2 图像底层特征的提取 | 第107页 |
| 5.3 基于特征筛选的特征加权机制 | 第107-110页 |
| 5.3.1 基于条件互信息的特征差异性度量(CMIFDM) | 第108-109页 |
| 5.3.2 基于累积差异的特征权重迭代更新 | 第109-110页 |
| 5.3.3 基于特征筛选的特征加权算法(FFW)的提出 | 第110页 |
| 5.4 基于特征加权的图像语义分类方法(FW-ISC)的提出 | 第110-114页 |
| 5.4.1 图像语义分类器的选择 | 第111-112页 |
| 5.4.2 基于特征加权的核函数的确定 | 第112-113页 |
| 5.4.3 基于特征加权的图像语义分类器构造 | 第113-114页 |
| 5.5 图像语义分类实验 | 第114-120页 |
| 5.5.1 图像语义分类的评价标准 | 第114-115页 |
| 5.5.2 图像语义分类实验数据集 | 第115页 |
| 5.5.3 图像语义分类的实验结果及分析 | 第115-120页 |
| 5.6 本章小结 | 第120-121页 |
| 第六章 总结与展望 | 第121-125页 |
| 6.1 论文工作总结 | 第121-123页 |
| 6.2 进一步的研究工作 | 第123-125页 |
| 参考文献 | 第125-140页 |
| 攻读博士学位期间的科研成果 | 第140-142页 |
| 致谢 | 第142页 |
