| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-22页 |
| 1.1 研究背景及意义 | 第11-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.3 本文的主要研究内容 | 第18-20页 |
| 1.4 本文的结构安排 | 第20-22页 |
| 第二章 基于图像语义特征的提取与融合 | 第22-35页 |
| 2.1 引言 | 第22页 |
| 2.2 图像的语义特征分析与提取 | 第22-27页 |
| 2.2.1 图像语义特征分析 | 第22-24页 |
| 2.2.2 颜色直方图 | 第24-26页 |
| 2.2.3 基于Gabor小波变换的纹理特征提取 | 第26-27页 |
| 2.3 基于图像语义的多特征融合 | 第27-30页 |
| 2.3.1 特征融合分析 | 第27-28页 |
| 2.3.2 基于权值矩阵加权的特征融合方法 | 第28-30页 |
| 2.4 实验结果与分析 | 第30-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 基于Voronoi图的k阶邻近的半监督学习 | 第35-50页 |
| 3.1 引言 | 第35-37页 |
| 3.2 基于图的半监督学习 | 第37-43页 |
| 3.2.1 标签传播算法 | 第38-41页 |
| 3.2.2 相似图的构建 | 第41-43页 |
| 3.3 Voronoi图及其k阶邻近 | 第43-46页 |
| 3.3.1 Voronoi图及其性质 | 第43-45页 |
| 3.3.2 基Voronoi图的k阶邻近 | 第45-46页 |
| 3.4 基于Voronoi图的k阶邻近的半监督学习 | 第46-48页 |
| 3.4.1 基于二维平面上Voronoi图的构造 | 第46页 |
| 3.4.2 基于Voronoi图的k阶邻近的半监督学习算法 | 第46-48页 |
| 3.5 算法性能分析 | 第48-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第四章 基于Voronoi图的半监督学习自动图像标注 | 第50-60页 |
| 4.1 引言 | 第50页 |
| 4.2 基于Voronoi图的半监督学习自动图像标注 | 第50-52页 |
| 4.2.1 基于Voronoi图的半监督学习自动图像标注框架 | 第50-51页 |
| 4.2.2 基于Voronoi图的半监督学习自动图像标注的实现 | 第51-52页 |
| 4.3 基于词汇相关性的图像标注优化 | 第52-54页 |
| 4.4 实验结果与分析 | 第54-59页 |
| 4.4.1 数据集与性能指标 | 第54页 |
| 4.4.2 实验结果与分析 | 第54-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-63页 |
| 5.1 总结 | 第60-61页 |
| 5.2 展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位期间发表的学术论文 | 第69-70页 |
| 参加的研究项目 | 第70页 |
