| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序言 | 第9-12页 |
| 1 引言 | 第12-24页 |
| 1.1 研究背景与研究意义 | 第12-16页 |
| 1.2 研究内容 | 第16-21页 |
| 1.2.1 文本过滤技术 | 第17-19页 |
| 1.2.2 图像识别技术 | 第19-21页 |
| 1.3 国内外研究现状 | 第21页 |
| 1.4 论文结构安排 | 第21-24页 |
| 2 基于整体特征的吸毒工具识别 | 第24-38页 |
| 2.1 问题描述 | 第24-25页 |
| 2.2 相关工作介绍与分析 | 第25-27页 |
| 2.2.1 简单梯度直方图算法 | 第25-27页 |
| 2.2.2 金字塔型梯度直方图匹配算法 | 第27页 |
| 2.3 基于整体特征的吸毒工具识别 | 第27-32页 |
| 2.3.1 基于PHOG特征的吸毒工具识别 | 第28-30页 |
| 2.3.2 支持向量机算法对吸毒所用工具的识别 | 第30-32页 |
| 2.4 实验结果与分析 | 第32-37页 |
| 2.5 本章小结 | 第37-38页 |
| 3 基于局部特征的大麻识别 | 第38-52页 |
| 3.1 问题描述 | 第38页 |
| 3.2 相关工作介绍与分析 | 第38-41页 |
| 3.2.1 提取图像局部特征的算法 | 第38-40页 |
| 3.2.2 其他基于局部区域的描述算法 | 第40-41页 |
| 3.3 基于局部特征的大麻识别 | 第41-48页 |
| 3.3.1 词包模型 | 第41-43页 |
| 3.3.2 使用SIFT特征算法对物体进行特征提取 | 第43-48页 |
| 3.4 实验结果与分析 | 第48-50页 |
| 3.5 本章小结 | 第50-52页 |
| 4 基于多示例学习框架的毒品信息网页分类 | 第52-80页 |
| 4.1 问题描述 | 第52-53页 |
| 4.2 相关工作介绍与分析 | 第53-57页 |
| 4.2.1 多示例学习 | 第53-55页 |
| 4.2.2 其他多示例学习的改进方法 | 第55-57页 |
| 4.3 基于多示例学习的大麻识别 | 第57-69页 |
| 4.3.1 网页有效图像的识别 | 第57-58页 |
| 4.3.2 有效图像的视觉周围文本的提取 | 第58-64页 |
| 4.3.3 基于多示例学习的毒品网页分类 | 第64-69页 |
| 4.4 实验结果与分析 | 第69-78页 |
| 4.5 本章小结 | 第78-80页 |
| 5 结论 | 第80-82页 |
| 参考文献 | 第82-85页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第85-87页 |
| 学位论文数据集 | 第87页 |