支持SVM查询的近邻索引
| 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 |
| ·图像检索的概念 | 第7-8页 |
| ·基于内容的图像检索的基本流程 | 第8-9页 |
| ·研究问题及本文工作 | 第9-11页 |
| ·研究问题 | 第9-11页 |
| ·本文工作 | 第11页 |
| ·文章结构 | 第11-13页 |
| 第2章 相关工作和背景 | 第13-27页 |
| ·图像特征提取 | 第13-16页 |
| ·基本概念 | 第13页 |
| ·颜色特征提取 | 第13-14页 |
| ·纹理特征提取 | 第14-15页 |
| ·形状特征提取 | 第15页 |
| ·小结 | 第15-16页 |
| ·分类方法 | 第16-20页 |
| ·贝叶斯分类器 | 第16页 |
| ·神经网络 | 第16-17页 |
| ·SVM分类器 | 第17-20页 |
| ·索引方法 | 第20-27页 |
| ·传统KNN查询的索引 | 第20-22页 |
| ·SVM检索中的索引 | 第22-27页 |
| 第3章 基于聚类的近邻索引 | 第27-36页 |
| ·近邻索引 | 第27-31页 |
| ·SVMDex和KDX存在的问题 | 第27-28页 |
| ·基于聚类的近邻索引 | 第28-31页 |
| ·建立基于聚类的索引 | 第31-33页 |
| ·查询过程 | 第33-36页 |
| 第4章 基于马尔科夫随机游走模型的近邻索引 | 第36-43页 |
| ·改进的SVM超平面排序方法 | 第36-37页 |
| ·马尔科夫随机游走模型 | 第37-38页 |
| ·基于马尔科夫随机游走模型的近邻索引 | 第38-43页 |
| ·计算可达点集合 | 第38-40页 |
| ·利用SVM分类超平面过滤 | 第40页 |
| ·计算到超平面距离并输出Top-k | 第40-43页 |
| 第5章 系统实现与实验结果 | 第43-51页 |
| ·系统实现 | 第43-45页 |
| ·实验条件 | 第45-46页 |
| ·实验结果 | 第46-50页 |
| ·基于聚类的近邻索引实验结果 | 第46-48页 |
| ·基于马尔科夫随机游走模型的近邻索引实验结果 | 第48-50页 |
| ·实验总结 | 第50-51页 |
| 第6章 结论及展望 | 第51-53页 |
| 参考文献 | 第53-55页 |
| 附录 | 第55-56页 |
| A 发表论文 | 第55页 |
| B 参加项目 | 第55-56页 |
| 致谢 | 第56-57页 |
