| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究历史与现状 | 第12-15页 |
| 1.3 论文内容与章节安排 | 第15-17页 |
| 第二章 相关工作简介 | 第17-35页 |
| 2.1 基于SIFT的词袋模型 | 第17-23页 |
| 2.1.1 SIFT特征 | 第17-23页 |
| 2.1.2 视觉单词的形成和词汇树的构建 | 第23页 |
| 2.2 深度学习特征 | 第23-35页 |
| 2.2.1 神经网络的发展 | 第24-31页 |
| 2.2.2 卷积神经网络 | 第31-32页 |
| 2.2.3 局部感受野和权值共享 | 第32页 |
| 2.2.4 AlexNet模型 | 第32-35页 |
| 第三章 基于图模型的自适应加权特征融合 | 第35-45页 |
| 3.1 基于图模型的特征融合的概述 | 第35-36页 |
| 3.2 按照最大权值密度法求检索结果的排序 | 第36-37页 |
| 3.3 自适应的加权特征融合方法 | 第37-39页 |
| 3.4 实验与分析 | 第39-43页 |
| 3.4.1 参数α对实验结果的影响 | 第40页 |
| 3.4.2 实验结果对比分析 | 第40-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第四章 基于邻域相似度分布的自适应多特征融合方法 | 第45-53页 |
| 4.1 基于邻域相似度分布得到特征的排序有效性系数 | 第45-46页 |
| 4.2 使用REC进行图像检索的流程 | 第46页 |
| 4.3 实验与分析 | 第46-50页 |
| 4.3.1 参数k对实验结果的影响 | 第48页 |
| 4.3.2 实验结果对比分析 | 第48-50页 |
| 4.4 本章小结 | 第50-53页 |
| 第五章 总结与展望 | 第53-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-63页 |
| 在读期间发表的学术论文与取得的研究成果 | 第63页 |