| 摘要 | 第1-5页 |
| Abstract | 第5-13页 |
| 英文缩略语对照表 | 第13-14页 |
| 第1章 绪论 | 第14-28页 |
| ·选题背景及研究意义 | 第14-16页 |
| ·研究难点 | 第16-18页 |
| ·国内外研究现状 | 第18-22页 |
| ·论文的主要研究内容 | 第22-26页 |
| ·论文内容安排 | 第26-28页 |
| 第2章 基础理论及关键技术 | 第28-52页 |
| ·人名检测算法 | 第28-30页 |
| ·Gate | 第28-29页 |
| ·NETagger | 第29-30页 |
| ·人脸检测与特征表示 | 第30-37页 |
| ·Adaboost算法 | 第31-35页 |
| ·主动形状模型（ASM）方法 | 第35-36页 |
| ·人脸特征提取 | 第36-37页 |
| ·聚类方法 | 第37-41页 |
| ·AP聚类 | 第38-39页 |
| ·并行AP聚类 | 第39-41页 |
| ·分类算法 | 第41-46页 |
| ·线性判别分析（LDA） | 第42-44页 |
| ·支持向量机（SVM） | 第44-46页 |
| ·实验数据集 | 第46-50页 |
| ·雅虎新闻数据集 | 第46-48页 |
| ·FAN-Large数据集 | 第48-50页 |
| ·本章小结 | 第50-52页 |
| 第3章 基于多模序融合的重要人脸命名算法 | 第52-70页 |
| ·引言 | 第52-54页 |
| ·本文算法描述 | 第54-62页 |
| ·处理新闻字幕 | 第55-56页 |
| ·处理新闻图像 | 第56-60页 |
| ·序融合 | 第60-62页 |
| ·本章实验 | 第62-67页 |
| ·实验数据集及设置 | 第62-64页 |
| ·评价标准 | 第64页 |
| ·实验结果与分析 | 第64-67页 |
| ·本章小结 | 第67-70页 |
| 第4章 基于网络全局信息的人名语义网络人物标识算法 | 第70-88页 |
| ·引言 | 第70-72页 |
| ·本章算法描述 | 第72-80页 |
| ·人名检测 | 第73-74页 |
| ·训练多类SVM | 第74-77页 |
| ·创建人名语义网络 | 第77-79页 |
| ·使用人名标注人脸图像 | 第79-80页 |
| ·实验 | 第80-86页 |
| ·实验数据 | 第80页 |
| ·实验设置 | 第80-81页 |
| ·实验评价标准 | 第81-85页 |
| ·实验结果与分析 | 第85-86页 |
| ·本章小结 | 第86-88页 |
| 第5章 基于多示例学习的人脸标注算法 | 第88-102页 |
| ·引言 | 第88-89页 |
| ·多示例学习 | 第89-90页 |
| ·本章算法描述 | 第90-97页 |
| ·自动标注正包和负包 | 第91-94页 |
| ·最大特有多样性密度算法 | 第94-96页 |
| ·迭代最大特有多样性密度算法 | 第96-97页 |
| ·实验 | 第97-100页 |
| ·实验数据 | 第97-98页 |
| ·实验设置 | 第98页 |
| ·实验结果及其分析 | 第98-100页 |
| ·本章小结 | 第100-102页 |
| 第6章 总结与展望 | 第102-106页 |
| ·总结 | 第102-104页 |
| ·展望 | 第104-106页 |
| 参考文献 | 第106-114页 |
| 致谢 | 第114-115页 |
| 攻读博士学位期间发表的学位论文和参加科研情况 | 第115-116页 |