基于机器学习的图像检索方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·研究课题的背景和意义 | 第10-11页 |
| ·国内外研究现状综述 | 第11-15页 |
| ·论文主要工作和组织结构 | 第15-17页 |
| 第2章 相关理论概述 | 第17-37页 |
| ·基于内容的图像检索 | 第17-19页 |
| ·CBIR的主要任务 | 第17-19页 |
| ·多媒体对象模型 | 第19-20页 |
| ·图像库的预处理 | 第20-21页 |
| ·语义建模 | 第21-22页 |
| ·相关反馈 | 第22-23页 |
| ·分类 | 第23-24页 |
| ·贝叶斯分类方法 | 第24-29页 |
| ·贝叶斯定理 | 第24页 |
| ·贝叶斯定理在分类中的应用 | 第24-26页 |
| ·朴素贝叶斯分类器 | 第26-27页 |
| ·朴素贝叶斯分类器应用举例 | 第27-28页 |
| ·朴素贝叶斯分类器的特征 | 第28-29页 |
| ·支持向量机 | 第29-36页 |
| ·支持向量机简介 | 第29-32页 |
| ·线性分类器 | 第32-36页 |
| ·本章小结 | 第36-37页 |
| 第3章 基于半监督学习和相关反馈的图像检索算法 | 第37-48页 |
| ·引言 | 第37-38页 |
| ·主要研究工作 | 第38-40页 |
| ·RCAS算法 | 第40-47页 |
| ·从日志中挖掘语义相似性 | 第41-42页 |
| ·从标记和未标记的图像学习视觉相似性 | 第42-44页 |
| ·从视觉内容和隐藏语义协同学习相似性 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第4章 实验结果分析与性能评估 | 第48-59页 |
| ·引言 | 第48-49页 |
| ·实验环境和设置 | 第49-50页 |
| ·算法对比实验 | 第50-51页 |
| ·性能评估 | 第51-58页 |
| ·准确率和召回率 | 第51-52页 |
| ·实验结果 | 第52-58页 |
| ·本章小结 | 第58-59页 |
| 第5章 基于内容的图像检索系统设计与实现 | 第59-67页 |
| ·引言 | 第59页 |
| ·需求分析 | 第59-62页 |
| ·总体结构框架 | 第60页 |
| ·子功能模块划分 | 第60-62页 |
| ·系统实现 | 第62-66页 |
| ·系统开发和运行环境 | 第62-63页 |
| ·系统界面 | 第63-64页 |
| ·系统流程及实现细节 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 第6章 总结与展望 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 致谢 | 第74-75页 |
