直推式支持向量机研究及其在图像检索中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-16页 |
| ·课题的背景及意义 | 第9-10页 |
| ·基于内容的图像检索概述 | 第10-15页 |
| ·特征提取 | 第11-14页 |
| ·查询算法 | 第14-15页 |
| ·典型图像检索系统QBIC | 第15页 |
| ·本课题的主要研究内容 | 第15-16页 |
| 第2章 图像检索中的直推式SVM反馈学习 | 第16-33页 |
| ·引言 | 第16页 |
| ·半监督和转导思想 | 第16-18页 |
| ·半监督算法 | 第16-17页 |
| ·转导思想 | 第17-18页 |
| ·直推式支持向量机 | 第18-20页 |
| ·概述 | 第18-19页 |
| ·TSVM逼近算法 | 第19-20页 |
| ·图像检索中的TSVM | 第20-25页 |
| ·TSVM的直观解释 | 第20-22页 |
| ·反馈算法 | 第22-24页 |
| ·图像低层特征分析 | 第24-25页 |
| ·颜色稀疏特征 | 第25-27页 |
| ·实验结果及分析 | 第27-31页 |
| ·实验设计 | 第27-28页 |
| ·实验结果 | 第28-31页 |
| ·实验分析 | 第31页 |
| ·本章小结 | 第31-33页 |
| 第3章 直推式SVM反馈学习的改进 | 第33-44页 |
| ·引言 | 第33页 |
| ·主动学习 | 第33-36页 |
| ·主动学习思想 | 第33-34页 |
| ·TSVM主动学习算法 | 第34-36页 |
| ·增量学习 | 第36-40页 |
| ·增量学习思想 | 第36-39页 |
| ·TSVM增量学习算法 | 第39-40页 |
| ·实验结果和分析 | 第40-43页 |
| ·实验结果 | 第40-42页 |
| ·实验分析 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 基于TSVM的图像检索系统 | 第44-51页 |
| ·引言 | 第44页 |
| ·图像检索数据处理的流程 | 第44-45页 |
| ·系统描述 | 第45-49页 |
| ·特征提取 | 第45-46页 |
| ·参数设置 | 第46-47页 |
| ·反馈过程 | 第47-48页 |
| ·主界面 | 第48-49页 |
| ·本系统运行所需要的环境 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读学位期间发表的学术论文 | 第57-59页 |
| 致谢 | 第59-60页 |
| 个人简历 | 第60页 |
