| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第12-27页 |
| 1.1 选题背景及意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-20页 |
| 1.2.1 非刚体特征表达与可视化检索 | 第14-17页 |
| 1.2.2 图像特征表达与可视化检索 | 第17-18页 |
| 1.2.3 相似性学习与检索排序 | 第18-20页 |
| 1.3 研究内容和研究目标 | 第20-21页 |
| 1.3.1 本文的研究内容 | 第20-21页 |
| 1.3.2 本文的研究目标 | 第21页 |
| 1.4 可视化检索及实验设置 | 第21-24页 |
| 1.4.1 常用的相似性度量方法 | 第22-23页 |
| 1.4.2 实验数据集 | 第23-24页 |
| 1.4.3 评价指标 | 第24页 |
| 1.5 本文的主要贡献与结构安排 | 第24-27页 |
| 第二章 内蕴空间特征表达方法 | 第27-59页 |
| 2.1 内蕴空间理论基础 | 第27-28页 |
| 2.1.1 热传导与热核 | 第27-28页 |
| 2.1.2 内蕴特征与离散计算 | 第28页 |
| 2.2 内蕴空间距离特征 | 第28-36页 |
| 2.2.1 内蕴空间距离 | 第29-30页 |
| 2.2.2 谱距离特征 | 第30-33页 |
| 2.2.3 扩展全局对调和距离特征 | 第33页 |
| 2.2.4 相似性距离加权方法 | 第33-34页 |
| 2.2.5 实验与结果分析 | 第34-36页 |
| 2.3 热模态特征 | 第36-51页 |
| 2.3.1 热模态特征定义 | 第36-37页 |
| 2.3.2 函数选择与特征性质 | 第37-41页 |
| 2.3.3 数值计算与效率 | 第41-42页 |
| 2.3.4 实验与结果分析 | 第42-51页 |
| 2.4 积分热核特征 | 第51-57页 |
| 2.4.1 积分热核特征 | 第51-52页 |
| 2.4.2 积分热核特征的性质 | 第52-54页 |
| 2.4.3 线性特征编码模型 | 第54-55页 |
| 2.4.4 实验与结果分析 | 第55-57页 |
| 2.5 本章小结 | 第57-59页 |
| 第三章 多尺度形状上下文特征表达方法 | 第59-79页 |
| 3.1 形状上下文与内蕴形状上下文 | 第59-60页 |
| 3.2 多尺度形状上下文 | 第60-72页 |
| 3.2.1 多尺度上下文模型 | 第61-62页 |
| 3.2.2 内蕴不变关键点检测 | 第62页 |
| 3.2.3 局部形分布特征 | 第62-63页 |
| 3.2.4 多尺度词包投票模型 | 第63-64页 |
| 3.2.5 实验与结果分析 | 第64-72页 |
| 3.3 局部聚合特征表达 | 第72-78页 |
| 3.3.1 扩展局部形分布特征 | 第72页 |
| 3.3.2 局部聚合词包投票模型 | 第72-74页 |
| 3.3.3 实验与结果分析 | 第74-78页 |
| 3.4 本章小结 | 第78-79页 |
| 第四章 基于函数变换的相似性学习方法 | 第79-99页 |
| 4.1 相似性学习模型 | 第79-80页 |
| 4.2 局部相似性传递方法 | 第80-83页 |
| 4.2.1 基于局部最近邻图的相似性学习模型 | 第81-82页 |
| 4.2.2 实验与结果分析 | 第82-83页 |
| 4.3 基于距离变换的相似性学习 | 第83-88页 |
| 4.3.1 最近邻图内蕴空间 | 第83页 |
| 4.3.2 内蕴空间距离变换模型 | 第83-84页 |
| 4.3.3 最近邻图邻域选择 | 第84-85页 |
| 4.3.4 实验与结果分析 | 第85-88页 |
| 4.4 基于互惠最近邻图的无参距离映射方法 | 第88-94页 |
| 4.4.1 互惠最近邻图谱空间 | 第88-89页 |
| 4.4.2 互惠最近邻图参数估计 | 第89-91页 |
| 4.4.3 实验与结果分析 | 第91-94页 |
| 4.5 基于滤波的检索优化方法 | 第94-97页 |
| 4.5.1 检索滤波模型 | 第94-96页 |
| 4.5.2 实验与结果分析 | 第96-97页 |
| 4.6 本章小结 | 第97-99页 |
| 第五章 基于概念本体的层次深度学习方法 | 第99-115页 |
| 5.1 现状分析 | 第99-100页 |
| 5.2 层次深度学习 | 第100-101页 |
| 5.3 两层概念本体构造 | 第101-102页 |
| 5.4 本体驱动的层次深度学习 | 第102-104页 |
| 5.5 层次网络结构设计 | 第104-105页 |
| 5.6 基于路径的预测 | 第105-106页 |
| 5.7 实验与结果分析 | 第106-114页 |
| 5.7.1 在CIFAR100 数据集上的结果 | 第107页 |
| 5.7.2 在ImageNet1000 数据集上的结果 | 第107-109页 |
| 5.7.3 在Fashion60 数据集上的结果 | 第109页 |
| 5.7.4 层次视觉识别结果 | 第109-114页 |
| 5.7.5 计算复杂度分析 | 第114页 |
| 5.8 本章小结 | 第114-115页 |
| 结论 | 第115-118页 |
| 参考文献 | 第118-132页 |
| 攻读博士学位期间取得的研究成果 | 第132-135页 |
| 致谢 | 第135-136页 |
| 作者简介 | 第136页 |