基于相关反馈的图像检索研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-12页 |
| ·研究背景及意义 | 第9-10页 |
| ·本文工作 | 第10-11页 |
| ·本文的组织结构 | 第11-12页 |
| 2 理论基础 | 第12-24页 |
| ·相关反馈 | 第12-16页 |
| ·基于特征权值调整的RF | 第13页 |
| ·基于距离度量的RF | 第13-14页 |
| ·基于概率的RF | 第14-15页 |
| ·基于机器学习的RF | 第15-16页 |
| ·神经网络集成 | 第16-21页 |
| ·个体网络生成方法 | 第18-20页 |
| ·集成结果生成方法 | 第20-21页 |
| ·选择性神经网络集成 | 第21-23页 |
| ·个体生成方法 | 第21-22页 |
| ·网络选择方法 | 第22页 |
| ·网络选择评价 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 3 基于选择性聚类集成的图像相关反馈检索研究 | 第24-38页 |
| ·引言 | 第24页 |
| ·特征提取 | 第24-32页 |
| ·颜色直方图 | 第24-26页 |
| ·特征向量降维 | 第26-32页 |
| ·基于AM算法的选择性聚类集成 | 第32-35页 |
| ·AM聚类算法 | 第32-34页 |
| ·实验分析 | 第34-35页 |
| ·改进的Bagging方法 | 第35-36页 |
| ·算法描述 | 第35-36页 |
| ·算法分析 | 第36页 |
| ·基于选择性集成的相关反馈框架 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 4 动态调整权值的多特征融合算法研究 | 第38-45页 |
| ·引言 | 第38页 |
| ·特征提取 | 第38-41页 |
| ·SIFT | 第38-40页 |
| ·颜色直方图 | 第40-41页 |
| ·基于SIFT和颜色直方图多特征融合算法 | 第41-43页 |
| ·算法介绍 | 第41页 |
| ·相似度的判断 | 第41-42页 |
| ·实验分析 | 第42-43页 |
| ·基于相关反馈的动态权值调整算法 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 5 聚类算法和多特征融合技术的应用与实现 | 第45-52页 |
| ·引言 | 第45-47页 |
| ·特征向量降维 | 第47-48页 |
| ·基于选择性聚类集成的图像相关反馈检索 | 第48-50页 |
| ·基于动态调整权值的多特征融合图像相关反馈检索 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间发表学术论文情况 | 第57-58页 |
| 致谢 | 第58-60页 |
