| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-18页 |
| ·课题背景与研究意义 | 第10-11页 |
| ·基于内容的图像检索技术研究现状 | 第11-14页 |
| ·国外研究发展现状 | 第12-13页 |
| ·国内研究发展现状 | 第13-14页 |
| ·CBIR 技术的应用前景 | 第14-15页 |
| ·CBIR 技术的发展趋势 | 第15-16页 |
| ·本论文主要研究内容及组织 | 第16-18页 |
| ·研究内容 | 第16-17页 |
| ·论文的组织结构 | 第17-18页 |
| 第2章 基于内容的图像检索相关技术综述 | 第18-29页 |
| ·引言 | 第18页 |
| ·CBIR 主要研究内容 | 第18-26页 |
| ·查询方法 | 第18-19页 |
| ·特征提取与表达 | 第19-24页 |
| ·查询学习与优化方法 | 第24页 |
| ·相似性度量 | 第24-25页 |
| ·性能评价 | 第25-26页 |
| ·CBIR 中的相关反馈 | 第26-28页 |
| ·学习与优化方法 | 第27页 |
| ·相关反馈中的学习问题 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 基于内容图像检索的特征选择方法探索 | 第29-38页 |
| ·特征选择提取与模式识别 | 第29-31页 |
| ·与模式识别的关系 | 第29-30页 |
| ·特征选择和特征提取 | 第30-31页 |
| ·CBIR 中特征选择的必要性 | 第31页 |
| ·CBIR 中特征选择的方法 | 第31-33页 |
| ·特征提取 | 第31-32页 |
| ·相关反馈技术 | 第32-33页 |
| ·常规特征选择方法 | 第33页 |
| ·过滤式特征选择算法 | 第33-36页 |
| ·典型过滤式特征选择算法Relief 系列算法 | 第34-36页 |
| ·具体的特征评估方法 | 第36-37页 |
| ·距离度量 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于负例监督的过滤式特征选择的相关反馈算法 | 第38-47页 |
| ·引言 | 第38-39页 |
| ·不同的查询向量优化方法分析及性能比较 | 第39-41页 |
| ·不同的查询优化方法分析 | 第39-40页 |
| ·不同方法间的性能比较 | 第40-41页 |
| ·相关反馈中的过滤式特征选择 | 第41-43页 |
| ·负例监督聚类及其有效性分析 | 第41-42页 |
| ·特征过滤策略的实现及其伪代码描述 | 第42-43页 |
| ·混合策略 | 第43-44页 |
| ·实验结果及分析 | 第44-45页 |
| ·本章总结 | 第45-47页 |
| 第5章 总结与展望 | 第47-49页 |
| ·完成的主要工作 | 第47页 |
| ·进一步要研究的方向 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52-53页 |
| 附录A 攻读硕士学位期间公开发表的学术论文 | 第53页 |