| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题的研究背景和意义 | 第11-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 事件检测与跟踪技术 | 第14-16页 |
| 1.2.2 事件视觉总结 | 第16-17页 |
| 1.3 本文的主要内容和创新点 | 第17页 |
| 1.4 本文的结构安排 | 第17-19页 |
| 第2章 相关技术与数据集 | 第19-26页 |
| 2.1 中文自然语言处理技术 | 第19-21页 |
| 2.1.1 中文分词和词性标注 | 第19-20页 |
| 2.1.2 文档的特征表达 | 第20页 |
| 2.1.3 文档相似性度量 | 第20-21页 |
| 2.2 图像常用特征描述方法 | 第21-22页 |
| 2.2.1 颜色特征描述方法 | 第21页 |
| 2.2.2 边缘方向直方图 | 第21-22页 |
| 2.2.3 SIFT特征 | 第22页 |
| 2.3 常用聚类算法 | 第22-23页 |
| 2.4 实验数据集 | 第23-24页 |
| 2.5 本章小结 | 第24-26页 |
| 第3章 系统框架和数据预处理 | 第26-35页 |
| 3.1 问题定义 | 第26-27页 |
| 3.1.1 动态网络 | 第26页 |
| 3.1.2 动态聚类跟踪 | 第26-27页 |
| 3.2 系统框架 | 第27-28页 |
| 3.3 文本预处理 | 第28-30页 |
| 3.4 图片预处理 | 第30-34页 |
| 3.4.1 图片过滤 | 第30-31页 |
| 3.4.2 图片特征提取 | 第31-33页 |
| 3.4.3 图片分类 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 事件跟踪与视觉总结 | 第35-50页 |
| 4.1 动态网络构造和更新 | 第35-37页 |
| 4.1.1 融合时间的微博相似性 | 第35页 |
| 4.1.2 微博网络 | 第35-36页 |
| 4.1.3 微博近邻搜索 | 第36-37页 |
| 4.2 基于限制的DBSCAN聚类算法CDBSCAN | 第37-38页 |
| 4.3 网络发展操作符 | 第38-39页 |
| 4.4 基于单点更新的增量聚类 | 第39-40页 |
| 4.5 基于批量更新的增量聚类 | 第40-46页 |
| 4.5.1 删除更新增量聚类 | 第41-43页 |
| 4.5.2 添加更新增量聚类 | 第43页 |
| 4.5.3 相邻时间帧聚类跟踪 | 第43-46页 |
| 4.6 视觉总结 | 第46-47页 |
| 4.6.1 图片相似图构建 | 第47页 |
| 4.6.2 为每个聚类选择代表性的图片 | 第47页 |
| 4.7 聚类表示 | 第47-49页 |
| 4.8 本章小结 | 第49-50页 |
| 第5章 系统实现和实验分析 | 第50-61页 |
| 5.1 参数设置 | 第50-53页 |
| 5.1.1 文本相似度阈值 | 第50-51页 |
| 5.1.2 LSH参数设置 | 第51-52页 |
| 5.1.3 图片相似度阈值 | 第52-53页 |
| 5.1.4 核心点最小邻居数 | 第53页 |
| 5.2 子事件检测正确率及聚类数量 | 第53-54页 |
| 5.3 采用LSH时子事件检测召回率 | 第54-56页 |
| 5.4 事件跟踪 | 第56-57页 |
| 5.4.1 聚类跟踪基线 | 第56页 |
| 5.4.2 聚类发展生命周期 | 第56-57页 |
| 5.4.3 事件跟踪用户研究 | 第57页 |
| 5.5 视觉总结 | 第57-59页 |
| 5.6 本章小结 | 第59-61页 |
| 结论 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第68页 |