首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

面向网上购物的多模态商品信息搜索技术的研究与实现

摘要第5-6页
Abstract第6-7页
第1章 绪论第11-15页
    1.1 研究背景与意义第11-12页
        1.1.1 电子商务网站的发展分析第11-12页
        1.1.2 多模态信息检索的需求第12页
    1.2 国内外研究现状第12-13页
        1.2.1 国外研究现状第12-13页
        1.2.2 国内研究现状第13页
    1.3 本文研究内容第13-14页
        1.3.1 课题来源第14页
    1.4 本文组织结构第14-15页
第2章 相关理论及技术第15-19页
    2.1 图像特征第15-16页
        2.1.1 图像颜色特征第15页
        2.1.2 图像纹理特征第15-16页
    2.2 高维数据索引第16页
    2.3 PCA主成分分析第16页
    2.4 相似性度量第16-17页
    2.5 图像检索评价标准第17-18页
    2.6 本章小结第18-19页
第3章 网站商品多模态特征提取及预处理第19-31页
    3.1 问题描述第19页
    3.2 图像特征提取第19-24页
        3.2.1 图像全局特征提取第19-21页
        3.2.2 图像局部特征提取第21-24页
    3.3 图像背景噪音去除第24页
    3.4 图像分类第24-25页
        3.4.1 构建图像类别表第25页
        3.4.2 基于weka的图像分类第25页
    3.5 SURF特征提纯第25-28页
    3.6 文本特征提取与预处理第28-29页
    3.7 实验及分析第29-30页
        3.7.1 图像的类别统计第29页
        3.7.2 图像分类第29-30页
        3.7.3 图像SURF特征的提纯第30页
    3.8 本章小结第30-31页
第4章 基于Lucene索引的网站商品文本搜索第31-37页
    4.1 问题描述第31页
    4.2 基于文本商品搜索框架第31-32页
    4.3 构建Lucene索引第32-33页
    4.4 Lucene索引检索第33-34页
    4.5 实验及分析第34-35页
    4.6 本章小结第35-37页
第5章 基于LSH索引的网站商品图像搜索第37-63页
    5.1 问题描述第37页
    5.2 图像搜索框架第37-38页
    5.3 位置敏感哈希(LSH)算法原理第38-41页
        5.3.1 LSH算法原理第38-39页
        5.3.2 通用LSH算法框架第39-41页
        5.3.3 位置敏感哈希的定义第41页
    5.4 位置敏感哈希(LSH)的种类第41-43页
    5.5 位置敏感哈希(LSH)的应用第43-44页
    5.6 改进的p-LSH算法第44-51页
        5.6.1 计数PCA p-LSH第45-47页
        5.6.2 适应局部特征p-LSH第47-51页
    5.7 实验及分析第51-61页
        5.7.1 实验设计第51页
        5.7.2 p-LSH算法实验第51-56页
        5.7.3 基于全局特征的p-LSH改进算法实验第56-58页
        5.7.4 基于局部特征的p-LSH改进算法实验第58-61页
    5.8 本章小结第61-63页
第6章 面向网上购物的网站商品多模态信息搜索第63-67页
    6.1 问题描述第63页
    6.2 多模态商品搜索框架第63-65页
    6.3 算法实现第65-66页
    6.4 实验及分析第66页
    6.5 本章小结第66-67页
第7章 结论及未来工作第67-69页
    7.1 本文主要工作第67-68页
    7.2 进一步的工作第68-69页
参考文献第69-73页
致谢第73-75页
攻硕期间参与项目及发表的论文第75页

论文共75页,点击 下载论文
上一篇:铣削/雕刻/钻孔/攻螺纹CAD/CAM数字化设计与应用
下一篇:集成信任和个人偏好的位置推荐方法研究