| 前言 | 第1-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-19页 |
| ·研究背景和意义 | 第11-12页 |
| ·研究热点及发展趋势 | 第12-16页 |
| ·研究现状 | 第12-14页 |
| ·国内外主要研究机构 | 第14-16页 |
| ·本文的主要工作和创新点 | 第16-17页 |
| ·本文的组织结构 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第2章 图像分类和识别 | 第19-25页 |
| ·图像分类和识别方法 | 第19-22页 |
| ·SVM 学习方法 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 图像检索技术 | 第25-34页 |
| ·常用的图像检索技术 | 第25-28页 |
| ·基于高层语义的图像检索 | 第28-32页 |
| ·图像语义的层次 | 第28-30页 |
| ·图像语义的表示 | 第30页 |
| ·图像语义的提取 | 第30-32页 |
| ·本章小结 | 第32-34页 |
| 第4章 基于改进的特征选择和 SVM 的高层语义图像检索 | 第34-43页 |
| ·支持向量机的参数确定 | 第35页 |
| ·实验对比与分析 | 第35-42页 |
| ·SFFS 算法与本文算法在不同维数特征集合下的分类比较 | 第35-41页 |
| ·2D MHMM 方法与本文 SVM 方法的分类比较 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第5章 总结与展望 | 第43-45页 |
| ·主要的研究总结 | 第43页 |
| ·未来的工作重点 | 第43-45页 |
| 参考文献 | 第45-50页 |
| 作者简介 | 第50-51页 |
| 致谢 | 第51页 |
