| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景及意义 | 第8页 |
| ·研究现状及发展趋势 | 第8-10页 |
| ·论文主要研究内容 | 第10页 |
| ·本文框架结构 | 第10-11页 |
| ·本章小结 | 第11-12页 |
| 第二章 MPEG2视频标准 | 第12-20页 |
| ·MPEG简介 | 第12页 |
| ·视频帧的类型 | 第12-13页 |
| ·MPEG2视频数据流层次组织结构 | 第13-14页 |
| ·MPEG2视频压缩相关技术 | 第14-18页 |
| ·扫描方法 | 第14-15页 |
| ·比特率压缩原理 | 第15页 |
| ·失真压缩的离散余弦变换(DCT)方式 | 第15页 |
| ·量化 | 第15-16页 |
| ·变换编码 | 第16-17页 |
| ·运动估计与补偿技术 | 第17-18页 |
| ·MPEG-2编码解码技术 | 第18-19页 |
| ·本章总结 | 第19-20页 |
| 第三章 机器学习理论与支持向量机 | 第20-34页 |
| ·机器学习理论概述 | 第20-21页 |
| ·机器学习概述 | 第20页 |
| ·机器学习方法分类 | 第20-21页 |
| ·VC维(Vapnik Chervonenkis dimension) | 第21页 |
| ·支持向量机 | 第21-27页 |
| ·最优化分析方法 | 第21-23页 |
| ·最优分类界面 | 第23-24页 |
| ·广义最优分类界面 | 第24-25页 |
| ·支持向量机 | 第25-27页 |
| ·其它常见分类方法 | 第27-32页 |
| ·贝叶斯分类器 | 第27页 |
| ·k最近邻分类 | 第27-28页 |
| ·神经网络分类器 | 第28-30页 |
| ·隐马尔可夫模型 | 第30-32页 |
| ·本章小结 | 第32-34页 |
| 第四章 基于多种特征及SVM的视频分类 | 第34-52页 |
| ·基于多种特征的视频分类流程 | 第34页 |
| ·视频特征的提取 | 第34-45页 |
| ·运动特征的提取 | 第34-39页 |
| ·亮度特征提取 | 第39-40页 |
| ·颜色特征提取 | 第40-41页 |
| ·纹理特征提取 | 第41-44页 |
| ·主成分分析法(PCA) | 第44-45页 |
| ·关键帧提取 | 第45-46页 |
| ·SVM多类分类模型 | 第46-50页 |
| ·基于主动相关反馈的SVM二类分类模型 | 第46-47页 |
| ·基于SVM的元分类器模型 | 第47-48页 |
| ·基于SVM元分类器模型的多类分类 | 第48-50页 |
| ·本章小结 | 第50-52页 |
| 第五章 实验对比及分析 | 第52-58页 |
| ·实验数据库的建立 | 第52页 |
| ·实验环境设置 | 第52-53页 |
| ·性能评价标准 | 第53页 |
| ·实验及分析 | 第53-56页 |
| ·本章小结 | 第56-58页 |
| 第六章 工作总结与展望 | 第58-60页 |
| ·论文工作总结 | 第58页 |
| ·未来工作展望 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-68页 |
| 研究生期间发表的论文情况 | 第68页 |