基于SVM的图像分类与检索技术的研究
| 中文摘要 | 第1页 |
| 英文摘要 | 第4-8页 |
| 第一章 引言 | 第8-13页 |
| ·研究背景和意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·国外著名的图像检索系统 | 第9-11页 |
| ·国内研究现状 | 第11页 |
| ·本文主要工作 | 第11-12页 |
| ·本文的组织结构 | 第12-13页 |
| 第二章 图像检索的体系结构和关键技术 | 第13-23页 |
| ·基于内容图像检索的体系结构 | 第13页 |
| ·基于内容的图像检索的关键技术 | 第13-18页 |
| ·图像数据库结构 | 第14-16页 |
| ·图像的视觉特征 | 第16-17页 |
| ·色彩 | 第16页 |
| ·纹理 | 第16-17页 |
| ·形状 | 第17页 |
| ·图像特征的索引 | 第17页 |
| ·相似性度量算法 | 第17-18页 |
| ·基于相关反馈的图像检索 | 第18-21页 |
| ·相关性反馈的总体结构 | 第20-21页 |
| ·系统的检索性能评价 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 支持向量机的原理和应用 | 第23-37页 |
| ·支持向量机理论的发展 | 第23-29页 |
| ·基于实例学习的一般模型 | 第23-24页 |
| ·经验风险最小化归纳原理 | 第24-25页 |
| ·统计学习理论的核心内容 | 第25-29页 |
| ·学习机器的VC 维 | 第25-26页 |
| ·控制学习过程推广能力 | 第26-29页 |
| ·支持向量机及训练算法 | 第29-36页 |
| ·支持向量机线性分类的几何模型 | 第29-31页 |
| ·广义最优分类超平面 | 第31-33页 |
| ·SVM 的训练算法 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 图像内容的描述及特征提取 | 第37-46页 |
| ·颜色特征 | 第37页 |
| ·颜色空间选择 | 第37-40页 |
| ·RGB 颜色空间 | 第37-38页 |
| ·HSV 颜色空间 | 第38-39页 |
| ·RGB 空间到HSV 空间的转换 | 第39页 |
| ·颜色空间量化 | 第39-40页 |
| ·纹理概述 | 第40-44页 |
| ·基于灰度共生矩阵的检索算法 | 第40-42页 |
| ·基于改进的灰度直方面积图的检索算法 | 第42-44页 |
| ·灰度直方图 | 第42页 |
| ·灰度拉伸 | 第42-43页 |
| ·构造改进的灰度直方面积图 | 第43-44页 |
| ·综合视觉特征和相似匹配 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 基于 SVM 的图像分类与检索实验 | 第46-58页 |
| ·构造支持向量机 | 第46-48页 |
| ·SVM 参数的选择 | 第47-48页 |
| ·核的种类 | 第47页 |
| ·参数的选择 | 第47-48页 |
| ·SVM 学习算法的步骤 | 第48页 |
| ·基于SVM 的系统结构 | 第48-50页 |
| ·特征提取模块 | 第49-50页 |
| ·SVM 分类模块 | 第50页 |
| ·反馈模块 | 第50页 |
| ·SVM 的训练 | 第50-55页 |
| ·三种核函数的选择比较实验 | 第50-52页 |
| ·SVM 多分类 | 第52-53页 |
| ·分类实验结果比较与分析 | 第53-55页 |
| ·基于SVM 的相关反馈图像检索算法 | 第55-56页 |
| ·系统及检索结果 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 结论与展望 | 第58-60页 |
| ·结论 | 第58-59页 |
| ·进一步工作的方向 | 第59-60页 |
| ·关于支持向量机问题 | 第59页 |
| ·关于特征选择问题 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 在学期间发表的学术论文和参加科研情况 | 第64页 |
