| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 选题背景及意义 | 第8-9页 |
| 1.2 计算美学概述 | 第9-10页 |
| 1.3 文章的主要工作及组织结构 | 第10-12页 |
| 第2章 计算美学的相关理论 | 第12-18页 |
| 2.1 计算美学的相关理论概述 | 第12-13页 |
| 2.2 文章中用到的计算美学理论 | 第13-17页 |
| 2.2.1 稀疏编码 | 第13-14页 |
| 2.2.2 信息论 | 第14-16页 |
| 2.2.3 机器学习Weka | 第16-17页 |
| 2.3 本章小结 | 第17-18页 |
| 第3章 基于高低分辨率绘画作品提取的特征性能对比实验 | 第18-30页 |
| 3.1 引言 | 第18页 |
| 3.2 实验用图 | 第18-19页 |
| 3.3 低分辨率图像提取的特征的性能评价 | 第19-25页 |
| 3.3.1 高低分辨率的绘画作品基函数的对比 | 第19-22页 |
| 3.3.2 基于高低分辨率绘画图像提取特征的性能对比 | 第22-24页 |
| 3.3.3 Gabor能量特征对梵高绘画作品分析的对比 | 第24-25页 |
| 3.4 高低分辨率绘画图像特征对绘画风格敏感性的对比实验 | 第25-26页 |
| 3.5 基于高分辨率绘画作品特征的绘画风格分类 | 第26-28页 |
| 3.6 本章小结 | 第28-30页 |
| 第4章 基于机器学习的绘画风格分类 | 第30-42页 |
| 4.1 引言 | 第30页 |
| 4.2 基于信息论的量化特征提取 | 第30-34页 |
| 4.3 基于Weka的绘画风格的分类 | 第34-40页 |
| 4.3.1 绘画风格分类特征和分类器的选取 | 第34-36页 |
| 4.3.2 基于Weka的同一画派画作的分类 | 第36-38页 |
| 4.3.3 基于Weka的不同画派的画作的分类 | 第38-40页 |
| 4.4 本章小结 | 第40-42页 |
| 第5章 总结与展望 | 第42-44页 |
| 5.1 全文总结 | 第42页 |
| 5.2 未来研究工作展望 | 第42-44页 |
| 参考文献 | 第44-48页 |
| 致谢 | 第48-49页 |
| 在读期间参与的科研项目和发表的论文 | 第49页 |
