| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·选题的背景和意义 | 第9-10页 |
| ·研究现状 | 第10-12页 |
| ·本文内容概述 | 第12-14页 |
| 第二章 ViMac模型、应用系统及其评测技术 | 第14-27页 |
| ·汉语词汇语义习得模型ViMac | 第14-18页 |
| ·ViMac模型习得的对象 | 第15-18页 |
| ·语义习得模型 | 第18页 |
| ·图像描述系统ViMacs | 第18-22页 |
| ·ViMacs系统描述 | 第18-19页 |
| ·ViMacs系统标注实例 | 第19-20页 |
| ·ViMacs系统在智能机器人平台的部署 | 第20-22页 |
| ·ViMacs系统的评测 | 第22-27页 |
| ·ViMacs系统评测技术 | 第22-25页 |
| ·系统评测实例 | 第25-27页 |
| 第三章 ViMac汉语词汇语义习得模型中的关键技术 | 第27-41页 |
| ·图像底层特征与词汇语义关联计算 | 第27-30页 |
| ·词的聚类 | 第30-35页 |
| ·聚类算法简介 | 第30-31页 |
| ·基于词汇分布的聚类 | 第31-32页 |
| ·基于语义关联的聚类 | 第32-34页 |
| ·混合聚类 | 第34-35页 |
| ·特征选择 | 第35-37页 |
| ·语义建模 | 第37页 |
| ·词汇顺序模型习得 | 第37-41页 |
| 第四章 ViMacs系统实验结果 | 第41-54页 |
| ·对ViMacs系统的评测 | 第41-43页 |
| ·特征选择模块对ViMacs系统性能的影响 | 第43-44页 |
| ·k-近邻算法语义建模 | 第44-48页 |
| ·k-近邻算法算法简介 | 第44-45页 |
| ·k-近邻算法建模与高斯模型建模对ViMacs系统的影响 | 第45-48页 |
| ·改动人工选取的特征集对ViMacs系统的影响 | 第48-54页 |
| ·增加新的图像底层特征 | 第48-51页 |
| ·替换为新的图像底层特征集 | 第51-54页 |
| 第五章 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 作者攻读学位期间发表的学术论文目录 | 第61页 |