首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

移动图形混合绘制中基于情境感知的数据交互方法研究

中文摘要第3-4页
Abstract第4-5页
第一章 绪论第8-18页
    1.1 研究背景和意义第8-10页
    1.2 国内外研究现状第10-15页
        1.2.1 移动图形绘制第10-12页
        1.2.2 情境感知计算第12-14页
        1.2.3 个性化推荐第14-15页
    1.3 论文主要工作第15-16页
    1.4 论文结构安排第16-18页
第二章 面向移动图形应用领域的情境感知体系构建第18-29页
    2.1 引言第18页
    2.2 移动图形应用领域的情境要素第18-21页
        2.2.1 移动图形应用领域分析第18-19页
        2.2.2 移动图形应用情境分析第19-21页
    2.3 移动图形应用情境的层次化建模第21-25页
        2.3.1 移动图形应用情境的目标第21页
        2.3.2 移动图形应用情境的层次化模型第21-25页
    2.4 移动图形应用领域的情境感知体系结构第25-27页
        2.4.1 移动图形应用领域的情境感知系统框架第25-27页
        2.4.2 移动图形应用领域的情境感知策略第27页
    2.5 本章小结第27-29页
第三章 面向移动图形应用的情境本体建模第29-39页
    3.1 引言第29页
    3.2 面向移动图形应用的本体论基础第29-32页
        3.2.1 移动图形应用本体的定义第29页
        3.2.2 移动图形应用本体的构建规则与方法第29-31页
        3.2.3 移动图形应用本体的创建工具第31页
        3.2.4 移动图形应用本体语言的选择第31-32页
    3.3 移动图形应用本体建模第32-36页
        3.3.1 本体类及其层次关系的定义第32-34页
        3.3.2 属性的定义第34-36页
        3.3.3 类实例的添加第36页
    3.4 移动应用领域本体推理第36-38页
        3.4.1 Jena推理引擎工作原理第36-37页
        3.4.2 自定义规则库构建第37-38页
    3.5 本章小结第38-39页
第四章 基于情境感知的用户偏好预测第39-54页
    4.1 引言第39页
    4.2 用户偏好多维性分析第39-41页
    4.3 基于用户偏好多维性的贝叶斯网络建模第41-47页
        4.3.1 贝叶斯网络概述第41页
        4.3.2 多维度贝叶斯网络模型构建第41-47页
    4.4 基于情境感知的多维用户偏好模型构建第47-52页
        4.4.1 基于相关系数的各情境维度权重计算第47-50页
        4.4.2 基于情境感知的用户偏好模型表示第50-51页
        4.4.3 针对具体情境的用户偏好推理第51-52页
    4.5 实验结果与分析第52-53页
    4.6 本章小结第53-54页
第五章 基于情境感知的数据交互模型构建第54-65页
    5.1 引言第54页
    5.2 数据交互模型整体框架第54-56页
    5.3 人机交互模块第56-57页
    5.4 情境收集子模块第57-58页
    5.5 情境处理模块第58-63页
        5.5.1 交互对象的处理第59-62页
        5.5.2 背景场景的处理第62-63页
    5.6 数据调度模块第63-64页
    5.7 本章小结第64-65页
第六章 三维虚拟试衣原型系统的设计与实现第65-81页
    6.1 引言第65页
    6.2 原型系统的开发流程第65-69页
        6.2.1 系统开发流程第65-67页
        6.2.2 系统操作流程第67-69页
    6.3 开发环境第69-73页
        6.3.1 实验环境第69-70页
        6.3.2 使用的开发库第70-73页
    6.4 实验成果展示与分析第73-80页
        6.4.1 实验成果展示第73-79页
        6.4.2 实验结果分析第79-80页
    6.5 本章小结第80-81页
总结与展望第81-83页
    1 论文主要工作总结第81页
    2 论文主要创新点第81-82页
    3 未来研究工作展望第82-83页
参考文献第83-87页
致谢第87-88页
附录第88-90页
个人简历第90页
在学期间的研究成果及发表的学术论文第90页

论文共90页,点击 下载论文
上一篇:基于自适应稀疏模型的图像去模糊
下一篇:基于稀疏表示分类器的研究