| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 1 引言 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.1.1 粒子群算法研究背景 | 第9页 |
| 1.1.2 基于内容的图像检索研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 粒子群算法研究现状 | 第10-11页 |
| 1.2.2 基于内容的图像检索的研究现状 | 第11-12页 |
| 1.3 本文的主要内容 | 第12-14页 |
| 1.3.1 分章内容 | 第12-13页 |
| 1.3.2 文章创新点 | 第13-14页 |
| 1.3.3 工作内容 | 第14页 |
| 1.4 本章小结 | 第14-15页 |
| 2 图像检索的基本内容 | 第15-23页 |
| 2.1 基于内容的图像检索基本框架 | 第15页 |
| 2.2 特征提取 | 第15-18页 |
| 2.2.1 颜色特征 | 第15-17页 |
| 2.2.2 纹理特征 | 第17页 |
| 2.2.3 形状特征 | 第17-18页 |
| 2.3 相似性度量 | 第18-20页 |
| 2.3.1 距离度量 | 第18-19页 |
| 2.3.2 相似系数 | 第19-20页 |
| 2.4 相关反馈 | 第20-21页 |
| 2.4.1 基于距离度量的算法 | 第20-21页 |
| 2.4.2 基于统计分析的算法 | 第21页 |
| 2.4.3 基于机器学习的算法 | 第21页 |
| 2.5 基于内容的图像检索的性能评测 | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 3 以度为规则的小世界粒子群算法 | 第23-31页 |
| 3.1 粒子群优化算法（PSO） | 第23-25页 |
| 3.1.1 PSO算法的基本概述 | 第23-24页 |
| 3.1.2 PSO算法的流程图 | 第24-25页 |
| 3.1.3 PSO算法存在的问题 | 第25页 |
| 3.2 小世界网络 | 第25-28页 |
| 3.2.1 WS小世界模型构造算法 | 第27页 |
| 3.2.2 NW小世界模型构造算法 | 第27-28页 |
| 3.3 以度为规则的小世界粒子群算法（DRSW-PSO） | 第28-30页 |
| 3.3.1 DRSW-PSO算法的基本思想 | 第28-29页 |
| 3.3.2 DRSW-PSO算法流程 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 4 粒子群蛙跳算法在图像相关反馈中的研究 | 第31-38页 |
| 4.1 粒子群蛙跳算法 | 第31页 |
| 4.1.1 粒子群蛙跳算法基本步骤 | 第31页 |
| 4.2 相关反馈 | 第31-33页 |
| 4.2.1 粒子群算法在图像相关反馈中的应用 | 第32-33页 |
| 4.3 粒子群蛙跳算法优化相关反馈的方案 | 第33-36页 |
| 4.3.1 PSO-SFLA-RF算法思想 | 第33页 |
| 4.3.2 特征提取和相似度测量 | 第33-34页 |
| 4.3.3 种群更新和适应度函数 | 第34-36页 |
| 4.4 算法流程 | 第36页 |
| 4.5 本章小结 | 第36-38页 |
| 5 仿真实验及数据分析 | 第38-48页 |
| 5.1 DRSW-PSO算法测试 | 第38-40页 |
| 5.1.1 测试函数 | 第38-39页 |
| 5.1.2 实验分析 | 第39-40页 |
| 5.2 DRSW-PSO算法的收敛性分析 | 第40-41页 |
| 5.3 粒子群蛙跳算法在图像相关反馈中的实验分析 | 第41-46页 |
| 5.3.1 实验图片库及参数设置 | 第41-42页 |
| 5.3.2 实验结果及分析 | 第42-46页 |
| 5.4 本章小结 | 第46-48页 |
| 6 总结与展望 | 第48-50页 |
| 参考文献 | 第50-55页 |
| 攻读硕士学位期间发表的论文及成果 | 第55-56页 |
| 致谢 | 第56-57页 |