| 摘 要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-16页 |
| ·课题研究的目的和意义 | 第8-10页 |
| ·国内外研究状况 | 第10-11页 |
| ·CBIR的研究现状 | 第11-14页 |
| ·主要研究内容 | 第14-16页 |
| 2 支持向量机的基本原理 | 第16-37页 |
| ·统计模式识别 | 第16-18页 |
| ·神经网络 | 第18-20页 |
| ·VC(Vapnik & Cervonenkis)理论 | 第20-27页 |
| ·支持向量机(SVM网络) | 第27-36页 |
| ·本章小节 | 第36-37页 |
| 3 基于支持向量机相关反馈方法研究 | 第37-54页 |
| ·图像特征的选取 | 第38-39页 |
| ·训练算法的分析和选取 | 第39-43页 |
| ·核函数的分析和选取 | 第43-53页 |
| ·本章小节 | 第53-54页 |
| 4 基于web的CBIR系统Basestar_New的构成和实现 | 第54-60页 |
| ·基于内容的图像检索系统现状 | 第54-55页 |
| ·原有的Basestar图像搜索引擎 | 第55-56页 |
| ·Basestar_New图像搜索引擎 | 第56-59页 |
| ·本章小节 | 第59-60页 |
| 5 基于支持向量机相关反馈算法实现 | 第60-75页 |
| ·基于SVM的相关反馈算法 | 第60-64页 |
| ·基于HSVM的有记忆相关反馈机制 | 第64-74页 |
| ·本章小节 | 第74-75页 |
| 6 总结与展望 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-82页 |
| 附录1 攻读硕士学位期间发表的学术论文目录 | 第82页 |