基于本体的图像检索
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-22页 |
| ·研究意义 | 第8-10页 |
| ·国内外研究现状 | 第10-19页 |
| ·基于内容的图像检索技术 | 第11-16页 |
| ·基于语义的图像检索技术 | 第16-18页 |
| ·基于本体的图像检索技术 | 第18-19页 |
| ·本文主要研究内容及创新点 | 第19-21页 |
| ·本文主要的研究内容 | 第19-20页 |
| ·本文的创新点 | 第20-21页 |
| ·本文的主要内容及组织结构 | 第21-22页 |
| 第二章 图像本体的描述 | 第22-35页 |
| ·引言 | 第22-24页 |
| ·本体的基本概念 | 第24-27页 |
| ·本体的定义 | 第24页 |
| ·本体的建模元语 | 第24-25页 |
| ·本体的分类 | 第25-26页 |
| ·构造本体的规则 | 第26页 |
| ·本体中概念之间的关系 | 第26-27页 |
| ·领域本体的描述 | 第27-30页 |
| ·基于本体的图像描述模型 | 第30-34页 |
| ·颜色特征 | 第30-32页 |
| ·Gabor小波纹理特征 | 第32-33页 |
| ·Zernike矩形状特征 | 第33-34页 |
| ·结论 | 第34-35页 |
| 第三章 基于遗传FCM算法的图像基元提取 | 第35-50页 |
| ·引言 | 第35-36页 |
| ·模糊C均值聚类算法(FCM) | 第36-38页 |
| ·改进的遗传FCM算法 | 第38-44页 |
| ·改进的遗传FCM算法 | 第39页 |
| ·编码及种群初始化 | 第39-40页 |
| ·适应度的计算 | 第40页 |
| ·混合选择算子 | 第40-41页 |
| ·交叉算子 | 第41-43页 |
| ·变异算子 | 第43页 |
| ·个体的优化 | 第43-44页 |
| ·最佳聚类数的确定 | 第44-47页 |
| ·典型的有效性函数 | 第44-45页 |
| ·改进的有效性函数 | 第45-47页 |
| ·基于遗传FCM的图像分割算法 | 第47-48页 |
| ·实验结果 | 第48-49页 |
| ·结论 | 第49-50页 |
| 第四章 基于改进K均值聚类算法的图像本体构建 | 第50-62页 |
| ·引言 | 第50页 |
| ·基于改进K-均值算法的图像基元聚类 | 第50-53页 |
| ·初始聚类中心的选择 | 第51页 |
| ·数据集之间的语义约束 | 第51-52页 |
| ·基于改进K-均值算法的图像基元聚类 | 第52-53页 |
| ·图像本体的构建 | 第53-56页 |
| ·图像基元的聚类和标注 | 第53-55页 |
| ·图像本体的构建 | 第55-56页 |
| ·实验结果 | 第56-61页 |
| ·结论 | 第61-62页 |
| 第五章基于Adaboost和SVM的相关反馈 | 第62-77页 |
| ·引言 | 第62-63页 |
| ·支持向量机 | 第63-67页 |
| ·线性可分SVM | 第63-66页 |
| ·SVM训练算法 | 第66-67页 |
| ·Adaboost算法 | 第67-71页 |
| ·传统的Adaboost算法 | 第67-68页 |
| ·改进的Adaboost算法 | 第68-69页 |
| ·对Adaboost性能的分析 | 第69-71页 |
| ·基于Adaboost算法和SVM的相关反馈 | 第71-72页 |
| ·基于Adaboost算法集成SVM的分类算法 | 第71页 |
| ·相关反馈 | 第71-72页 |
| ·实验结果分析 | 第72-75页 |
| ·结论 | 第75-77页 |
| 第六章 总结与展望 | 第77-79页 |
| ·本文工作总结 | 第77页 |
| ·研究与展望 | 第77-79页 |
| 参考文献 | 第79-85页 |
| 致谢 | 第85-86页 |
| 攻读学位期间的主要研究成果 | 第86页 |
