| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-11页 |
| ·研究难点 | 第8-9页 |
| ·集成学习技术的图像分类研究成果 | 第9-10页 |
| ·论文的组织形式及主要研究内容 | 第10-11页 |
| 第二章 研究基础及相关文献综述 | 第11-27页 |
| ·SVM 算法 | 第11-18页 |
| ·二类 SVM 算法 | 第11-15页 |
| ·线性 SVM | 第11-14页 |
| ·非线性 SVM | 第14-15页 |
| ·多类 SVM 算法 | 第15-16页 |
| ·一次性求解方法 | 第15-16页 |
| ·“一对多”多类分类方法 | 第16页 |
| ·“一对一”多类分类方法 | 第16页 |
| ·SVM 性能分析 | 第16-18页 |
| ·Bag-of-Words 模型 | 第18-22页 |
| ·兴趣点检测子 | 第19-20页 |
| ·描述子 | 第20-21页 |
| ·视觉词汇本的产生 | 第21-22页 |
| ·集成学习 | 第22-26页 |
| ·集成学习理论 | 第22页 |
| ·集成学习方法 | 第22-25页 |
| ·个体分类器生成方法 | 第23-25页 |
| ·个体分类器的组合方法 | 第25页 |
| ·聚类集成技术 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 一种 SVM 集成的图像分类方法研究 | 第27-38页 |
| ·SVM 集成的图像分类方法 | 第27-33页 |
| ·SIFT 特征提取算法 | 第28-30页 |
| ·BOW 模型构建与 SVM 分类 | 第30-32页 |
| ·分类器集成 | 第32-33页 |
| ·本章方法步骤及算法描述 | 第33-34页 |
| ·本章方法步骤 | 第33页 |
| ·本章算法描述 | 第33-34页 |
| ·实验及实验结果分析 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 PLSA 结合 SVM 集成的图像分类方法研究 | 第38-47页 |
| ·PLSA 结合集成 SVM 的分类方法 | 第38-42页 |
| ·视觉词汇本的生成 | 第39-40页 |
| ·图像的 BOW 描述 | 第40页 |
| ·PLSA | 第40-41页 |
| ·PLSA 语义特征提取 | 第41-42页 |
| ·本章方法步骤及算法描述 | 第42-43页 |
| ·本章方法步骤 | 第42页 |
| ·算法描述 | 第42-43页 |
| ·实验及实验结果分析 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| ·总结 | 第47-48页 |
| ·展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53-54页 |
| 个人简历、攻读硕士学位期间发表的学术论文与研究成果 | 第54页 |