最大间隔方法及其在图像检索中的应用
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 目录 | 第10-16页 |
| 第1章 绪论 | 第16-24页 |
| ·研究背景 | 第16-21页 |
| ·图像检索及相关问题 | 第16-18页 |
| ·支持向量机与最大间隔方法 | 第18-21页 |
| ·论文的主要工作 | 第21-22页 |
| ·论文的组织结构 | 第22-24页 |
| 第2章 支持向量机与最大间隔方法 | 第24-36页 |
| ·标准支持向量机模型 | 第24-29页 |
| ·线性可分情况与最优分类超平面 | 第24-26页 |
| ·线性不可分情况 | 第26-27页 |
| ·非线性情况 | 第27页 |
| ·对偶问题 | 第27-29页 |
| ·支持向量机的特点与研究现状 | 第29-33页 |
| ·支持向量机的特点及优势 | 第29-30页 |
| ·支持向量机的研究现状 | 第30-33页 |
| ·其他最大间隔方法 | 第33-35页 |
| ·结构支持向量机 | 第33-34页 |
| ·排序支持向量机 | 第34页 |
| ·最大间隔聚类 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第3章 双空间金字塔匹配算法 | 第36-56页 |
| ·研究背景 | 第36-40页 |
| ·局部特征表示 | 第36-37页 |
| ·基于局部特征表示的相似性度量与学习算法 | 第37-39页 |
| ·金字塔匹配算法 | 第39-40页 |
| ·双空间金字塔匹配 | 第40-49页 |
| ·部分匹配 | 第40-41页 |
| ·特征空间金子塔匹配 | 第41-46页 |
| ·双空间金字塔匹配 | 第46-49页 |
| ·实验与结果分析 | 第49-53页 |
| ·ImageCLEF医学图像分类任务 | 第49-51页 |
| ·实验设置与结果分析 | 第51-53页 |
| ·本章小结 | 第53-56页 |
| 第4章 多示例排序学习算法 | 第56-80页 |
| ·引言 | 第56-59页 |
| ·排序学习与多示例学习 | 第59-63页 |
| ·排序学习与相关工作 | 第59-61页 |
| ·多示例学习与相关工作 | 第61-63页 |
| ·基于最大间隔的多示例排序学习 | 第63-73页 |
| ·Ranking SVM算法 | 第63-65页 |
| ·多示例排序算法框架 | 第65-67页 |
| ·Average方法 | 第67-68页 |
| ·Max方法 | 第68-70页 |
| ·Softmax方法 | 第70-73页 |
| ·实验与结果分析 | 第73-77页 |
| ·实验数据集 | 第73-74页 |
| ·评价准则 | 第74-75页 |
| ·实验设置 | 第75-76页 |
| ·实验结果 | 第76-77页 |
| ·本章小结 | 第77-80页 |
| 第5章 基于最大间隔准则的聚类算法 | 第80-112页 |
| ·引言 | 第80-82页 |
| ·研究背景 | 第82-87页 |
| ·最大间隔聚类 | 第82-83页 |
| ·iterSVR算法 | 第83-84页 |
| ·iterSVR算法的不足 | 第84-86页 |
| ·基于成对约束的半监督聚类 | 第86-87页 |
| ·半监督最大间隔聚类 | 第87-91页 |
| ·多类半监督最大间隔聚类 | 第91-102页 |
| ·多类最大间隔聚类 | 第91-94页 |
| ·基于成对约束的多类最大间隔聚类 | 第94-98页 |
| ·Cutting-Plane算法 | 第98-102页 |
| ·实验与结果分析 | 第102-109页 |
| ·实验数据与评价准则 | 第102-104页 |
| ·初始化敏感性分析 | 第104-105页 |
| ·聚类准确性比较 | 第105-108页 |
| ·推广性能分析 | 第108-109页 |
| ·本章小结 | 第109-112页 |
| 第6章 总结与展望 | 第112-116页 |
| ·论文总结 | 第112-114页 |
| ·进一步的研究与展望 | 第114-116页 |
| 参考文献 | 第116-126页 |
| 附录 定理证明 | 第126-128页 |
| 致谢 | 第128-130页 |
| 在读期间发表的学术论文与取得的研究成果 | 第130-131页 |
