| 致谢 | 第5-10页 |
| 摘要 | 第10-14页 |
| Abstract | 第14-15页 |
| Chapter 1 Introduction | 第16-21页 |
| 1.1 Background | 第17-18页 |
| 1.2 Problem of statement | 第18-19页 |
| 1.3 Scope and objectives | 第19页 |
| 1.4 Methodology | 第19-20页 |
| 1.5 Thesis outline | 第20-21页 |
| Chapter 2 Literature Review | 第21-31页 |
| 2.1 Background | 第21页 |
| 2.2 Automatic Image annotation | 第21-25页 |
| 2.3 Multi-Label Learning | 第25-28页 |
| 2.4 Semi-Supervised Multi-Label Learning for Image Annotation | 第28-31页 |
| Chapter 3 Proposed Method | 第31-45页 |
| 3.1 Graph Regularized Low-Rank Feature Mapping | 第31-34页 |
| 3.1.1 The Regularization Framework | 第32-34页 |
| 3.1.2 The Optimization | 第34页 |
| 3.2 Semi-Supervised Dual Low-Rank Feature Mapping | 第34-36页 |
| 3.2.1 The Regularization | 第35页 |
| 3.2.2 The Optimization | 第35-36页 |
| 3.3 Robust Semi-Supervised Multi-Label Learning by Triple Low-Rank Regularization | 第36-45页 |
| 3.3.1 Problem Formulation | 第36-37页 |
| 3.3.2 The Regularization Framework | 第37-40页 |
| 3.3.3 The Optimization | 第40-43页 |
| 3.3.4 APG Algorithm | 第43-45页 |
| Chapter 4 Experiments and Analysis | 第45-61页 |
| 4.1 Image Datasets | 第45-46页 |
| 4.2 The Preprocessed | 第46页 |
| 4.3 Normalization | 第46页 |
| 4.4 Evaluation Measure | 第46-47页 |
| 4.5 Experiment Ⅰ: comparisons with the state-of-the-art multi-label learning method | 第47-51页 |
| 4.6 Experiment Ⅱ: multi-label learning with incomplete training labels | 第51-53页 |
| 4.7 Experiment Ⅲ: parameter sensitivity | 第53-54页 |
| 4.8 Experiment Ⅳ: comparisons with the state-of-the-art image annotation methods | 第54-59页 |
| 4.9 Performance comparison | 第59-61页 |
| Chapter 5 Conclusion | 第61-62页 |
| References | 第62-65页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第65-67页 |
| 学位论文数据集 | 第67-68页 |
