| 论文创新点 | 第1-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-12页 |
| 第一章 绪论 | 第12-37页 |
| ·引言 | 第12-13页 |
| ·研究背景与意义 | 第13-15页 |
| ·国内外相关研究综述 | 第15-33页 |
| ·视频内容检索技术研究的发展概况 | 第15-18页 |
| ·低层视觉特征提取技术 | 第18-24页 |
| ·语义提取及表示技术 | 第24-29页 |
| ·视频图像语义分类和检索技术 | 第29-33页 |
| ·目前研究中仍存在的关键问题 | 第33-34页 |
| ·论文的主要工作成果 | 第34-36页 |
| ·论文的内容组织 | 第36-37页 |
| 第二章 视频特征分类的不确定性处理 | 第37-75页 |
| ·引言 | 第37-38页 |
| ·粗糙集理论基础 | 第38-50页 |
| ·粗糙集理论的基本思想 | 第38-39页 |
| ·粗糙集的定义及基本性质 | 第39-42页 |
| ·粗糙集的特征 | 第42-46页 |
| ·知识约简 | 第46-50页 |
| ·模糊支持向量机分类器 | 第50-63页 |
| ·模糊分类中的模糊特征与表示 | 第50-52页 |
| ·模糊线性可分模糊支持向量分类机 | 第52-55页 |
| ·近似模糊线性可分模糊支持向量分类机 | 第55-59页 |
| ·模糊非线性模糊支持向量分类机 | 第59-63页 |
| ·基于粗糙集属性约简的多分类模糊支持向量机(RPR-MSVM) | 第63-73页 |
| ·粗糙集与支持向量机的结合途径分析 | 第63-65页 |
| ·多类分类模糊支持向量机 | 第65-67页 |
| ·训练集属性约简 | 第67-68页 |
| ·实验结果与分析 | 第68-73页 |
| ·本章小结 | 第73-75页 |
| 第三章 视频内容的语义描述和不确定推理 | 第75-102页 |
| ·引言 | 第75-76页 |
| ·视频语义的形式化表示 | 第76-80页 |
| ·视觉词汇变量 | 第76-77页 |
| ·视觉词汇变量中的语义规则 | 第77页 |
| ·视觉词汇变量中的句法规则 | 第77-79页 |
| ·视频对象间的关系表示 | 第79-80页 |
| ·定量化不确定推理 | 第80-97页 |
| ·定量推理方法的分类 | 第81-82页 |
| ·模糊推理的数学模型 | 第82-84页 |
| ·可能性测度与必然性测度 | 第84-86页 |
| ·基于可能性测度和必然性测度的模糊推理 | 第86-93页 |
| ·基于模糊运算的模糊推理 | 第93-97页 |
| ·模糊推理规则的协调性与矛盾规则的排除 | 第97-100页 |
| ·本章小结 | 第100-102页 |
| 第四章 视频语义相似性度量与检索 | 第102-124页 |
| ·引言 | 第102-103页 |
| ·相似性度量 | 第103-108页 |
| ·相似性度量准则 | 第103页 |
| ·相似性匹配的分类 | 第103-104页 |
| ·相似性度量方法 | 第104-108页 |
| ·视频语义相似性度量 | 第108-112页 |
| ·语义相似性度量 | 第108-109页 |
| ·多特征综合的视频语义相似性度量 | 第109-110页 |
| ·多特征的归一化处理 | 第110-112页 |
| ·基于WORONET的图像语义相似性度量 | 第112-114页 |
| ·关键词间的语义关系分类 | 第112-113页 |
| ·图像间语义相似性计算 | 第113-114页 |
| ·视频文档隐含语义相关性 | 第114-122页 |
| ·隐含语义分析原理 | 第115-117页 |
| ·视频特征词典的建立 | 第117页 |
| ·视频文档集合矩阵的建立 | 第117-118页 |
| ·视频特征的自相关和互相关性分析 | 第118-120页 |
| ·隐含维数S的影响分析 | 第120页 |
| ·实验结果与分析 | 第120-122页 |
| ·本章小结 | 第122-124页 |
| 第五章 总结与展望 | 第124-127页 |
| ·本文工作成果与创新 | 第124-125页 |
| ·研究前景展望 | 第125-127页 |
| 参考文献 | 第127-134页 |
| 科研成果 | 第134-136页 |
| 致谢 | 第136页 |