| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题的研究背景 | 第8-9页 |
| 1.2 课题的研究现状 | 第9-12页 |
| 1.3 课题研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13页 |
| 1.5 小结 | 第13-14页 |
| 第二章 图像分类的相关技术 | 第14-28页 |
| 2.1 图像分类概述 | 第14-15页 |
| 2.2 图像分类中的关键技术 | 第15-23页 |
| 2.2.1 SIFT特征描述子 | 第15-17页 |
| 2.2.2 稀疏编码 | 第17-18页 |
| 2.2.3 分类算法 | 第18-23页 |
| 2.3 基于空间金字塔匹配核的SVM分类器 | 第23-27页 |
| 2.3.1 词包模型 | 第23-24页 |
| 2.3.2 空间金字塔匹配 | 第24-26页 |
| 2.3.3 多类SVM分类器 | 第26-27页 |
| 2.4 小结 | 第27-28页 |
| 第三章 常用的特征选择算法评价标准 | 第28-36页 |
| 3.1 基于Filter模型的特征选择评价标准 | 第31-34页 |
| 3.2 基于Wrapper模型的特征选择评价标准 | 第34-35页 |
| 3.3 小结 | 第35-36页 |
| 第四章 基于相关性的特征选择 | 第36-40页 |
| 4.1 特征相似性度量标准 | 第36-38页 |
| 4.1.1 Correlation Coefficient（相关系数） | 第36页 |
| 4.1.2 Least Square Regression Error.（最小二乘回归错误分析） | 第36-37页 |
| 4.1.3 Maximal Information Compression Index (最大压缩指数) | 第37-38页 |
| 4.2 基于相关性的特征选择 | 第38-39页 |
| 4.3 小结 | 第39-40页 |
| 第五章 特征选择在图像分类中的应用 | 第40-43页 |
| 5.1 基于特征选择的图像分类 | 第40页 |
| 5.2 实验设置 | 第40-41页 |
| 5.3 实验结果及分析 | 第41-42页 |
| 5.4 小结 | 第42-43页 |
| 结论与展望 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 致谢 | 第47页 |
