基于特征子空间的多媒体检索方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文的主要工作 | 第12页 |
| 1.4 本文的结构安排 | 第12-14页 |
| 第2章 多媒体检索和子空间学习综述 | 第14-22页 |
| 2.1 底层特征分析 | 第15-17页 |
| 2.2 相似性度量 | 第17-18页 |
| 2.3 相关反馈 | 第18-19页 |
| 2.4 子空间降维算法 | 第19-21页 |
| 2.4.1 线性降维 | 第19-20页 |
| 2.4.2 非线性降维 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 半监督的特征子空间学习算法 | 第22-35页 |
| 3.1 问题的提出 | 第22-23页 |
| 3.1.1 标记样本和未标记样本的三种学习方式 | 第22-23页 |
| 3.1.2 基于 PSO-SVM 的相关反馈 | 第23页 |
| 3.2 半监督最优子空间映射算法 | 第23-30页 |
| 3.2.1 特征预处理 | 第23-26页 |
| 3.2.2 局部预测误差 | 第26-28页 |
| 3.2.3 子空间降维方法中约束条件设计 | 第28-30页 |
| 3.3 流形排序算法 | 第30-31页 |
| 3.4 基于 PSO-SVM 的相关反馈算法 | 第31-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 实验结果分析 | 第35-46页 |
| 4.1 系统框架和流程图 | 第35-37页 |
| 4.2 图像数据集和特征提取 | 第37-38页 |
| 4.3 实验结果和分析 | 第38-45页 |
| 4.3.1 性能评价标准 | 第38-39页 |
| 4.3.2 检索性能分析 | 第39-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第5章 总结与展望 | 第46-48页 |
| 5.1 工作总结 | 第46页 |
| 5.2 研究展望 | 第46-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 附录 1 攻读硕士学位期间发表的论文 | 第53-54页 |
| 附录 2 攻读学位期间参加的科研项目 | 第54-55页 |
| 大摘要 | 第55-58页 |
