| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 引言 | 第9-13页 |
| ·应用背景 | 第9-10页 |
| ·研究意义 | 第10-11页 |
| ·本文研究目标和组织结构 | 第11-13页 |
| 第2章 国内外研究现状 | 第13-31页 |
| ·图像检索 | 第13-15页 |
| ·基于文本信息的图像检索 | 第13-14页 |
| ·基于图像视觉信息的图像检索 | 第14页 |
| ·基于文本和视觉信息的图像检索 | 第14-15页 |
| ·基于图像高层语义特征的图像检索 | 第15页 |
| ·多媒体融合 | 第15-16页 |
| ·多媒体特征提取 | 第16-23页 |
| ·文本特征提取 | 第16-17页 |
| ·图片特征提取 | 第17-23页 |
| ·图像的特征向量简述 | 第17-18页 |
| ·SIFT 特征提取算法 | 第18-23页 |
| ·相似性计算 | 第23-29页 |
| ·社会相似性 | 第24页 |
| ·语义相似性 | 第24-27页 |
| ·Wordnet 简介 | 第24-25页 |
| ·基于树结构语义相似性计算 | 第25-27页 |
| ·基于图结构语义相似性 | 第27页 |
| ·图片相似性计算 | 第27-29页 |
| ·联合聚类算法 | 第29-30页 |
| ·小结 | 第30-31页 |
| 第3章 面向WEB 图片检索的文本和图片信息融合模型 | 第31-38页 |
| ·概述 | 第31-32页 |
| ·特征提取模块 | 第32-34页 |
| ·文本特征提取 | 第32-33页 |
| ·图片特征提取 | 第33页 |
| ·创建参数池 | 第33-34页 |
| ·特征融合、聚类模块 | 第34-37页 |
| ·模块结构 | 第34-35页 |
| ·类层次结构 | 第35-37页 |
| ·小结 | 第37-38页 |
| 第4章 文本和图片信息融合及联合聚类 | 第38-50页 |
| ·本文的一些定义 | 第38-40页 |
| ·文本相似性计算 | 第40-41页 |
| ·社会相似性 | 第40页 |
| ·语义相似性 | 第40-41页 |
| ·图片相似性计算 | 第41-42页 |
| ·相似性融合 | 第42-43页 |
| ·文本相似性融合 | 第42页 |
| ·文本、图片相似性矩阵融合 | 第42-43页 |
| ·错误驱动融合 | 第43-44页 |
| ·数据集二部图表示 | 第44-45页 |
| ·联合聚类算法 | 第45-49页 |
| ·文本联合聚类算法 | 第45-47页 |
| ·图片联合聚类算法 | 第47-48页 |
| ·文本、图片融合联合聚类算法 | 第48-49页 |
| ·小结 | 第49-50页 |
| 第5章 文本和图片信息融合实验 | 第50-62页 |
| ·实验设计 | 第50-52页 |
| ·硬件环境 | 第50页 |
| ·软件环境 | 第50-51页 |
| ·实验数据 | 第51-52页 |
| ·实验数据预处理 | 第52页 |
| ·聚类结果评价 | 第52-61页 |
| ·属性聚类结果 | 第52-55页 |
| ·聚类结果分析 | 第55-61页 |
| ·文本联合聚类分析 | 第55-57页 |
| ·图片联合聚类分析 | 第57-58页 |
| ·文本、图片融合联合聚类分析 | 第58-59页 |
| ·错误驱动融合聚类分析 | 第59-61页 |
| ·小结 | 第61-62页 |
| 第6章 结束语 | 第62-64页 |
| ·本文工作总结 | 第62-63页 |
| ·未来研究工作展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 附录A 参加的科研项目和发表的学术论文 | 第68页 |