| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景及意义 | 第8-9页 |
| ·当前研究现状 | 第9-11页 |
| ·论文的组织结构 | 第11-12页 |
| 第二章 图像底层特征提取 | 第12-18页 |
| ·颜色特征 | 第12-15页 |
| ·纹理特征 | 第15-16页 |
| ·形状特征 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第三章 多标签学习 | 第18-26页 |
| ·多标签学习基本算法 | 第18-22页 |
| ·问题转换法 | 第19-21页 |
| ·算法适应法 | 第21-22页 |
| ·多标签分类器评价标准 | 第22-25页 |
| ·基于分类的度量方法 | 第23-24页 |
| ·基于排序的度量方法 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第四章 多示例多标签学习 | 第26-38页 |
| ·多示例学习 | 第26-28页 |
| ·多示例多标签算法 | 第28-37页 |
| ·MIM_ BOOST算法 | 第30-31页 |
| ·MIML_SVM算法 | 第31-32页 |
| ·Joint_multi-instance_multi_label方法 | 第32-37页 |
| ·本章小结 | 第37-38页 |
| 第五章 基于局部相关性多示例多标签算法 | 第38-46页 |
| ·基于标签局部相关性的多标签算法 | 第38-42页 |
| ·ML_LOC算法框架 | 第39-42页 |
| ·MIML_LC_SVM算法基本思想 | 第42-43页 |
| ·MIML_LC_SVM算法基本流程 | 第43-44页 |
| ·模拟实验及结果分析 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第六章 总结与展望 | 第46-47页 |
| ·总结 | 第46页 |
| ·未来工作展望 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 致谢 | 第51页 |