| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第7-13页 |
| ·研究背景 | 第7-9页 |
| ·基于内容的图像检索概念 | 第7-8页 |
| ·基于内容的图像检索的基本流程 | 第8-9页 |
| ·研究问题 | 第9-10页 |
| ·本文工作 | 第10-11页 |
| ·文章结构 | 第11-13页 |
| 第2章 相关背景与相关工作 | 第13-26页 |
| ·特征提取 | 第13-14页 |
| ·基本概念 | 第13页 |
| ·颜色特征提取 | 第13-14页 |
| ·文理特征提取 | 第14页 |
| ·形状特征提取 | 第14页 |
| ·相关反馈 | 第14-19页 |
| ·基本概念 | 第14-15页 |
| ·主动学习的Speculative Algorithm | 第15-16页 |
| ·主动学习的Simple Active Algorithm | 第16页 |
| ·主动学习的Angle-diversity Algorithm | 第16-17页 |
| ·主动学习的Error Reduction Algorithm | 第17页 |
| ·主动学习的Boundary Correction Algorithm | 第17-18页 |
| ·主动学习的Concept-dependent Active Leanring | 第18-19页 |
| ·其他主动学习相关工作 | 第19页 |
| ·分类方法 | 第19-25页 |
| ·贝叶斯分类器 | 第20页 |
| ·神经网络分类器 | 第20页 |
| ·SVM分类器 | 第20-21页 |
| ·线性SVM | 第21-22页 |
| ·one-class SVM | 第22页 |
| ·Bias SVM | 第22-24页 |
| ·ε-SVR | 第24页 |
| ·SVOR | 第24-25页 |
| ·其他方法 | 第25页 |
| ·Web图像检索 | 第25-26页 |
| 第3章 改进的Angle-diveristy主动学习方法 | 第26-32页 |
| ·基于正例增强的Angle-diversity算法 | 第26-27页 |
| ·超平面平移算法 | 第27-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 基于URL的正例增强算法 | 第32-40页 |
| ·潜在正样例寻找方法(HPPS) | 第32-34页 |
| ·基于URL的网站权值计算方法(USS) | 第34-35页 |
| ·基于URL相似性参数α_(ij)的计算 | 第35-37页 |
| ·SVM新的排序方法 | 第37-39页 |
| ·SVM排序方法的缺点 | 第37-38页 |
| ·新的SVM排序方法 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第5章 系统实现与实验结果 | 第40-46页 |
| ·系统实现 | 第40-41页 |
| ·实验条件 | 第41-42页 |
| ·实验结果 | 第42-45页 |
| ·正例增强的Anlge-diversity算法实验结果 | 第42-43页 |
| ·超平面平移算法实验结果 | 第43页 |
| ·基于URL的正例增强算法实验结果 | 第43-45页 |
| ·SVM新排序方法实验结果 | 第45页 |
| ·实验总结 | 第45-46页 |
| 第6章 总结与未来工作 | 第46-48页 |
| ·内容总结 | 第46页 |
| ·未来工作 | 第46-48页 |
| 参考文献 | 第48-50页 |
| 附录 | 第50-51页 |
| A 发表论文 | 第50页 |
| B 参加项目 | 第50-51页 |
| 致谢 | 第51-52页 |
