| 目录 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第7-12页 |
| ·基于内容的视频信息检索 | 第7-10页 |
| ·视频信息检索评测 | 第10页 |
| ·本文的贡献 | 第10-12页 |
| 第二章 研究背景 | 第12-21页 |
| ·视频特征概述 | 第12-13页 |
| ·视频高层语义特征 | 第13-17页 |
| ·对象本体网络(Object Ontology) | 第13-14页 |
| ·机器学习方法概述 | 第14-15页 |
| ·引入相关反馈 | 第15-16页 |
| ·生成语义模板(semantic Template) | 第16-17页 |
| ·联网多媒体信息辅助 | 第17页 |
| ·测度学习方法概述 | 第17-21页 |
| ·非监督测度学习 | 第18-19页 |
| ·带监督测度学习 | 第19-21页 |
| 第三章 基于测度学习的高层语义提取 | 第21-43页 |
| ·带监督的全局测度学习 | 第21-25页 |
| ·样本点间的成对约束(Pairwise Constraints) | 第21-22页 |
| ·使用凸规划的全局测度学习 | 第22页 |
| ·采用概率方法的全局测度学习 | 第22-24页 |
| ·性能分析 | 第24-25页 |
| ·带监督的局部测度学习 | 第25-43页 |
| ·局部适应性测度学习 | 第25-32页 |
| ·局部特征相关度 | 第27-28页 |
| ·局部线性判别分析 | 第28-30页 |
| ·局部适应性特征相关度分析 | 第30-31页 |
| ·使用SVM的局部适应性测度学习 | 第31-32页 |
| ·判别近邻嵌入(Discriminant Neighborhood Embedding,DNE) | 第32-36页 |
| ·近邻元分析(Neighborhood Components Analysis,NCA) | 第36-37页 |
| ·基于SVM思想的测度学习 | 第37-43页 |
| ·最大边际近邻分析(Large Margin Nearest Neighbor,LMNN) | 第39-40页 |
| ·转化为半正定规划问题 | 第40-41页 |
| ·维数约简 | 第41-43页 |
| 第四章 语义特征的可视化与应用 | 第43-59页 |
| ·语义信息的可视化 | 第43-45页 |
| ·视频检索系统框架设计 | 第45-47页 |
| ·视频检索系统模块分析 | 第47-53页 |
| ·关键词检索模块 | 第47-48页 |
| ·视觉信息检索模块 | 第48-50页 |
| ·概念映射模块 | 第50页 |
| ·常用语义过滤模块 | 第50-51页 |
| ·语义信息融合模块 | 第51-53页 |
| ·可视化设计 | 第53-59页 |
| 第五章 实验分析 | 第59-64页 |
| ·TRECVID评测标准 | 第59页 |
| ·查询话题 | 第59-62页 |
| ·实验结果 | 第62-64页 |
| 第六章 总结与展望 | 第64-65页 |
| 参考文献 | 第65-73页 |
| 附录硕士期间发表的论文 | 第73-74页 |
| 致谢 | 第74-75页 |
