图像检索中结合贝叶斯和SVM的相关反馈算法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景和意义 | 第10-11页 |
| ·研究背景 | 第10-11页 |
| ·研究意义 | 第11页 |
| ·研究现状 | 第11-14页 |
| ·查询点移动算法 | 第12-13页 |
| ·特征权重调整算法 | 第13页 |
| ·基于统计学习理论 | 第13-14页 |
| ·基于机器学习理论 | 第14页 |
| ·研究目的和内容 | 第14-15页 |
| ·研究目的 | 第14-15页 |
| ·研究内容 | 第15页 |
| ·本文的结构安排 | 第15-16页 |
| 第2章 系统框架设计和关键技术 | 第16-25页 |
| ·基于内容的图像检索系统模型 | 第16-17页 |
| ·反馈系统界面的搭建 | 第17-18页 |
| ·相关反馈中的关键技术 | 第18-21页 |
| ·图像库和特征向量 | 第18-19页 |
| ·评价标准 | 第19页 |
| ·相似度匹配 | 第19-21页 |
| ·相关反馈技术 | 第21-24页 |
| ·引入相关反馈的原因 | 第21页 |
| ·相关反馈的概念 | 第21-22页 |
| ·相关反馈的正、负训练样本 | 第22页 |
| ·相关反馈的实例 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 结合贝叶斯和SVM的相关反馈算法 | 第25-40页 |
| ·传统方法的不足及其解决方法 | 第25-26页 |
| ·传统算法的不足 | 第25页 |
| ·针对传统算法不足的解决方法 | 第25-26页 |
| ·基于SVM的反馈算法 | 第26-31页 |
| ·SVM算法原理 | 第26-29页 |
| ·SVM算法实现 | 第29-31页 |
| ·基于贝叶斯的反馈算法 | 第31-35页 |
| ·贝叶斯算法原理 | 第31-33页 |
| ·贝叶斯算法实现 | 第33-35页 |
| ·贝叶斯和SVM结合原理 | 第35-36页 |
| ·多维正态分布条件下的贝叶斯分类 | 第35页 |
| ·基于SVM的分类 | 第35-36页 |
| ·贝叶斯与SVM的结合原理 | 第36页 |
| ·贝叶斯与SVM结合的反馈算法流程 | 第36-37页 |
| ·贝叶斯和SVM结合算法的改进算法一 | 第37-38页 |
| ·改进思想 | 第37页 |
| ·算法流程 | 第37-38页 |
| ·贝叶斯和SVM结合算法的改进算法二 | 第38-39页 |
| ·改进思想 | 第38页 |
| ·算法流程 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 实验结果及分析 | 第40-52页 |
| ·实验结果分析 | 第40-51页 |
| ·实验说明和实验数据 | 第40-43页 |
| ·本文算法和传统算法比较 | 第43-45页 |
| ·改进算法跟本文算法和传统算法的比较 | 第45-48页 |
| ·本文及改进算法跟一种改进的SVM算法比较 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第59页 |
