| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-13页 |
| ·研究背景 | 第9-10页 |
| ·研究领域 | 第9-10页 |
| ·研究意义和价值 | 第10页 |
| ·研究现状 | 第10-12页 |
| ·粒子群算法 | 第10-11页 |
| ·图像检索 | 第11-12页 |
| ·本文的组织结构 | 第12-13页 |
| 2 粒子群优化算法 | 第13-26页 |
| ·粒子群算法基本原理 | 第13-14页 |
| ·粒子群算法的改进 | 第14-18页 |
| ·拓扑结构粒子群算法 | 第15-17页 |
| ·离散粒子群算法 | 第17页 |
| ·FDR-PSO | 第17-18页 |
| ·基于粒子群算法的多模态小生境技术 | 第18-20页 |
| ·小生境粒子群的多模优化的相关研究 | 第20-25页 |
| ·NichePSO | 第20页 |
| ·SPSO | 第20-21页 |
| ·FER-PSO | 第21-22页 |
| ·ANPSO | 第22-24页 |
| ·rPSO | 第24-25页 |
| ·小结 | 第25-26页 |
| 3 基于改进小生境粒子群算法的多模态函数优化 | 第26-34页 |
| ·算法策略 | 第26-28页 |
| ·搜索策略 | 第26-27页 |
| ·确定小生境策略 | 第27页 |
| ·算法流程 | 第27-28页 |
| ·实验设置 | 第28-30页 |
| ·测试函数 | 第28页 |
| ·参数说明 | 第28-30页 |
| ·评价因素 | 第30页 |
| ·实验结果与分析 | 第30-32页 |
| ·成功率 | 第30页 |
| ·收敛速度 | 第30页 |
| ·粒子个数的影响 | 第30-32页 |
| ·小结 | 第32-34页 |
| 4 基于内容的图像检索技术 | 第34-41页 |
| ·基本流程 | 第34页 |
| ·CBIR常用视觉特征 | 第34-36页 |
| ·颜色特征 | 第35页 |
| ·纹理特征 | 第35-36页 |
| ·形状特征 | 第36页 |
| ·空间关系特征 | 第36页 |
| ·特征融合的相关研究 | 第36-38页 |
| ·CBIR相似性度量技术 | 第38-39页 |
| ·CBIR性能评估标准 | 第39页 |
| ·相关反馈技术 | 第39-40页 |
| ·小结 | 第40-41页 |
| 5 动态调整权值的多特征融合与粒子群算法在CBIR中的应用 | 第41-53页 |
| ·特征提取 | 第41-45页 |
| ·PCA-SIFT算法 | 第41-44页 |
| ·颜色直方图 | 第44-45页 |
| ·权值与相似度的计算 | 第45-47页 |
| ·动态权值调整的多特征融合 | 第45-46页 |
| ·SIFT与颜色直方图相似度的计算 | 第46-47页 |
| ·算法流程 | 第47页 |
| ·基于多模态小生境粒子群算法的权值调整 | 第47-48页 |
| ·特征向量的归一化 | 第47-48页 |
| ·权重调整 | 第48页 |
| ·实验结果和分析 | 第48-51页 |
| ·小结 | 第51-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58-59页 |
| 致谢 | 第59-60页 |