| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-13页 |
| ·概述 | 第9页 |
| ·研究背景及意义 | 第9-10页 |
| ·本文研究内容及研究成果 | 第10-12页 |
| ·本文研究内容 | 第10-11页 |
| ·本文研究成果 | 第11-12页 |
| ·本文组织结构和章节安排 | 第12-13页 |
| 第2章 Web图像检索技术综述 | 第13-16页 |
| ·图像检索技术概述 | 第13页 |
| ·基于文本的Web图像检索 | 第13-14页 |
| ·基于图像内容的Web图像检索 | 第14页 |
| ·基于文本信息和视觉信息的Web图像检索 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 第3章 基于文本信息与视觉信息相结合的Web图像检索相关技术研究 | 第16-22页 |
| ·引言 | 第16页 |
| ·Web图像文本特征的提取 | 第16-17页 |
| ·Web图像视觉特征的提取 | 第17-18页 |
| ·语义相似性计算 | 第18-21页 |
| ·语义相似性介绍 | 第18页 |
| ·语义相似性计算研究现状 | 第18-19页 |
| ·语义相似性计算 | 第19-20页 |
| ·标注集语义一致性计算 | 第20页 |
| ·标注与WEB文档语义相关性计算 | 第20-21页 |
| ·实验 | 第21页 |
| ·本章小结 | 第21-22页 |
| 第4章 基于分类的Web图像内容混合自动标注模型 | 第22-31页 |
| ·引言 | 第22页 |
| ·图像自动标注定义 | 第22页 |
| ·图像标注模型整体框架 | 第22-29页 |
| ·网页文本抽取模块 | 第24-25页 |
| ·图像分类模块 | 第25-29页 |
| ·支持向量机(SVMs)方法介绍 | 第25-26页 |
| ·图像视觉特征值 | 第26-28页 |
| ·图像分类器 | 第28-29页 |
| ·语义相似处理模块 | 第29页 |
| ·实验 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第5章 基于文本信息与视觉信息相结合的Web图像检索模型 | 第31-45页 |
| ·引言 | 第31页 |
| ·基于文本信息与视觉信息相结合的Web图像检索模型介绍 | 第31-32页 |
| ·基于文本信息与视觉信息相结合的Web图像检索系统技术设计 | 第32页 |
| ·贝叶斯推理网模型 | 第32-36页 |
| ·贝叶斯网络 | 第32-34页 |
| ·贝叶斯推理网 | 第34-36页 |
| ·基于贝叶斯推理网的Web图像语义检索模型 | 第36-42页 |
| ·模型框架介绍 | 第36-39页 |
| ·模型参数设置 | 第39-42页 |
| ·实验 | 第42-44页 |
| ·实验数据 | 第42-43页 |
| ·实验结果与讨论 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第6章 总结和展望 | 第45-46页 |
| ·总结 | 第45页 |
| ·展望 | 第45-46页 |
| 致谢 | 第46-47页 |
| 参考文献 | 第47-50页 |
