| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 研究背景和意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8页 |
| 1.1.2 研究意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 图片内容识别研究现状 | 第10-12页 |
| 1.2.2 文本内容识别研究现状 | 第12-13页 |
| 1.3 本文主要工作 | 第13-14页 |
| 1.4 本文组织结构 | 第14-15页 |
| 第2章 相关理论与技术 | 第15-28页 |
| 2.1 图片内容识别 | 第15-22页 |
| 2.1.1 概述 | 第15-16页 |
| 2.1.2 基于CNN的图片内容自动识别模型 | 第16-22页 |
| 2.2 文本内容识别 | 第22-26页 |
| 2.2.1 概述 | 第22页 |
| 2.2.2 BP神经网络 | 第22-25页 |
| 2.2.3 Word2vec | 第25-26页 |
| 2.3 数据集简介 | 第26-27页 |
| 2.3.1 MicrosoftCOCO数据集 | 第26页 |
| 2.3.2 维基百科中文语料 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 核心算法的分析与验证 | 第28-41页 |
| 3.1 基于CNN的图像分类算法 | 第28-35页 |
| 3.1.1 算法分析 | 第28-32页 |
| 3.1.2 算法测试 | 第32-34页 |
| 3.1.3 结果分析 | 第34-35页 |
| 3.2 基于BP神经网络+Word2vec的文本分类算法 | 第35-40页 |
| 3.2.1 算法分析 | 第35-37页 |
| 3.2.2 算法测试 | 第37-39页 |
| 3.2.3 结果分析 | 第39-40页 |
| 3.3 本章小结 | 第40-41页 |
| 第4章 应用系统设计 | 第41-58页 |
| 4.1 系统功能需求 | 第41-43页 |
| 4.2 系统总体设计 | 第43-46页 |
| 4.2.1 系统架构 | 第43-44页 |
| 4.2.2 系统功能模块 | 第44-46页 |
| 4.3 业务逻辑分析与设计 | 第46-48页 |
| 4.4 系统核心功能 | 第48-49页 |
| 4.5 数据库设计 | 第49-57页 |
| 4.5.1 逻辑设计 | 第49-51页 |
| 4.5.2 表结构设计 | 第51-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第5章 系统实现 | 第58-66页 |
| 5.1 系统平台概况 | 第58页 |
| 5.1.1 硬件平台 | 第58页 |
| 5.1.2 软件平台 | 第58页 |
| 5.2 系统主要功能实现 | 第58-63页 |
| 5.3 应用测试效果 | 第63-65页 |
| 5.4 本章小结 | 第65-66页 |
| 第6章 总结与展望 | 第66-67页 |
| 6.1 总结 | 第66页 |
| 6.2 展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 攻读学位期间的研究成果 | 第71页 |