基于相关性分析的跨媒体检索
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 本课题的研究进展 | 第11-17页 |
| 1.2.1 子空间映射 | 第13-14页 |
| 1.2.2 主题模型 | 第14-15页 |
| 1.2.3 深度学习 | 第15-16页 |
| 1.2.4 其他方法 | 第16-17页 |
| 1.3 本文研究内容 | 第17-19页 |
| 第二章 跨媒体数据特征表示与相关性分析 | 第19-31页 |
| 2.1 跨媒体数据特征表示 | 第19-25页 |
| 2.1.1 图像的特征表示 | 第19-22页 |
| 2.1.2 基于学习的图像特征表示 | 第22-23页 |
| 2.1.3 文本的传统特征表达 | 第23-24页 |
| 2.1.4 词向量及扩展 | 第24-25页 |
| 2.2 跨媒体相关性分析和检索 | 第25-29页 |
| 2.2.1 子空间映射 | 第25-27页 |
| 2.2.2 主题模型 | 第27-29页 |
| 2.2.3 深度学习 | 第29页 |
| 2.3 本章小结 | 第29-31页 |
| 第三章 跨媒体深度相关性学习 | 第31-48页 |
| 3.1 引言 | 第31-32页 |
| 3.2 深度典型相关性分析 | 第32-34页 |
| 3.3 基于深度典型相关性分析的跨媒体相关性学习 | 第34-40页 |
| 3.3.1 改进的网络结构 | 第34-35页 |
| 3.3.2 跨媒体相关性学习模型 | 第35-37页 |
| 3.3.3 算法求解 | 第37-39页 |
| 3.3.4 跨媒体相关性计算 | 第39-40页 |
| 3.4 实验及其分析 | 第40-47页 |
| 3.4.1 实验数据集 | 第40页 |
| 3.4.2 评价指标 | 第40-41页 |
| 3.4.3 算法实现细节和参数设定 | 第41-42页 |
| 3.4.4 实验对比方法 | 第42-43页 |
| 3.4.5 结果对比与分析 | 第43-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 基于深度典型相关性分析的跨媒体检索 | 第48-63页 |
| 4.1 引言 | 第48-49页 |
| 4.2 跨媒体语义相关性检索模型 | 第49-55页 |
| 4.2.1 自动探索语义标签 | 第50-52页 |
| 4.2.2 语义映射的训练 | 第52-54页 |
| 4.2.3 跨媒体语义检索 | 第54-55页 |
| 4.3 实验及其分析 | 第55-62页 |
| 4.3.1 实验数据集 | 第55-56页 |
| 4.3.2 评价指标 | 第56页 |
| 4.3.3 实验对比方法 | 第56-57页 |
| 4.3.4 实现细节和参数设定 | 第57-58页 |
| 4.3.5 结果对比与分析 | 第58-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第五章 跨媒体检索系统设计 | 第63-73页 |
| 5.1 跨媒体检索系统设计 | 第63-69页 |
| 5.1.1 跨媒体系统环境 | 第64-65页 |
| 5.1.2 跨媒体数据集的获取 | 第65-66页 |
| 5.1.3 跨媒体数据存储 | 第66-67页 |
| 5.1.4 跨媒体预处理及特征表示 | 第67-68页 |
| 5.1.5 跨媒体检索 | 第68-69页 |
| 5.1.6 查询输入以及结果返回 | 第69页 |
| 5.2 跨媒体检索引擎交互设计 | 第69-70页 |
| 5.3 跨媒体算法的分类和应用 | 第70-72页 |
| 5.4 本章小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 本文工作总结 | 第73-74页 |
| 6.2 未来工作展望 | 第74-75页 |
| 参考文献 | 第75-81页 |
| 致谢 | 第81-82页 |
| 个人简历、在学期间发表的论文与研究成果 | 第82页 |
