基于机器学习的典型节气色彩特征识别研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 色彩文化研究现状 | 第11-12页 |
| 1.3 本文研究内容 | 第12-13页 |
| 1.4 本文组织结构 | 第13-15页 |
| 第二章 色彩特征识别相关技术 | 第15-19页 |
| 2.1 节气图片抓取技术 | 第15页 |
| 2.2 主要色彩模式 | 第15-16页 |
| 2.3 节气色彩特征提取技术 | 第16-17页 |
| 2.4 节气色彩特征选择方法 | 第17页 |
| 2.5 机器学习分类方法 | 第17-19页 |
| 第三章 节气色彩特征提取 | 第19-27页 |
| 3.1 节气文化背景 | 第19-20页 |
| 3.2 典型节气图片准备和预处理 | 第20-21页 |
| 3.3 特征工程 | 第21-26页 |
| 3.3.1 节气图片基础特征提取 | 第21-22页 |
| 3.3.2 节气图片主色特征提取 | 第22-25页 |
| 3.3.3 图片整体特征提取 | 第25-26页 |
| 3.4 本章小结 | 第26-27页 |
| 第四章 典型节气色彩特征识别模型 | 第27-39页 |
| 4.1 模型分析和选择 | 第27-29页 |
| 4.2 色彩识别模型的评估方法 | 第29-30页 |
| 4.3 节气色彩SVM分类法 | 第30-32页 |
| 4.3.1 SVM基本理论 | 第30-31页 |
| 4.3.2 SVM建模流程 | 第31-32页 |
| 4.4 节气色彩决策树分类法 | 第32-34页 |
| 4.4.1 决策树的基本理论 | 第32-33页 |
| 4.4.2 决策树建模流程 | 第33-34页 |
| 4.5 节气色彩Random Forest法 | 第34-37页 |
| 4.5.1 Random Forest的基本理论 | 第34-35页 |
| 4.5.2 Random Forest的建模流程 | 第35-37页 |
| 4.6 色彩模型结果比较 | 第37-38页 |
| 4.7 本章小结 | 第38-39页 |
| 第五章 基于节气色彩模型的图片检索工具设计 | 第39-45页 |
| 5.1 图片上传分析 | 第39-42页 |
| 5.2 图片节气搜索 | 第42页 |
| 5.3 图片联想搜索 | 第42-43页 |
| 5.4 工具可用性评估 | 第43-44页 |
| 5.5 本章小结 | 第44-45页 |
| 第六章 结论和展望 | 第45-47页 |
| 6.1 本文主要研究工作及成果 | 第45页 |
| 6.2 研究展望 | 第45-47页 |
| 参考文献 | 第47-49页 |
| 附录 | 第49-53页 |
| 致谢 | 第53-54页 |
| 攻读学位期间发表的学术论文目录 | 第54页 |
