| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 系统背景及开发意义 | 第8-11页 |
| 1.1.1 系统开发的背景 | 第8页 |
| 1.1.2 实现该系统的目的和意义 | 第8-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 主题网络爬虫的研究现状 | 第11-12页 |
| 1.2.2 人脸检测技术的研究现状 | 第12-14页 |
| 1.3 本文组织结构 | 第14-16页 |
| 2 主题网络爬虫及其相关技术 | 第16-29页 |
| 2.1 主题网络爬虫的基本概念 | 第16-20页 |
| 2.1.1 主题网络爬虫的定义 | 第16页 |
| 2.1.2 主题网络爬虫的基本组成 | 第16-18页 |
| 2.1.3 主题网络爬虫的爬行流程 | 第18-19页 |
| 2.1.4 主题页面的分布特性 | 第19-20页 |
| 2.2 主题网络爬虫的关键算法 | 第20-25页 |
| 2.2.1 搜索策略算法 | 第20-24页 |
| 2.2.2 主题相关度算法 | 第24-25页 |
| 2.3 主题网络爬虫的相关技术 | 第25-28页 |
| 2.3.1 网页获取技术 | 第25-27页 |
| 2.3.2 主题相关度技术 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 3 人脸检测及其相关技术 | 第29-37页 |
| 3.1 人脸检测的相关概念 | 第29-34页 |
| 3.1.1 人脸检测技术的定义 | 第29页 |
| 3.1.2 人脸检测的模式分析 | 第29-31页 |
| 3.1.3 人脸模式特征的提取 | 第31-32页 |
| 3.1.4 人脸模式的特征综合 | 第32-34页 |
| 3.2 人脸检测的经典算法——Ada Boost算法 | 第34-36页 |
| 3.2.1 Boosting算法背景 | 第34-35页 |
| 3.2.2 Ada Boost算法的提出 | 第35-36页 |
| 3.3 本章小结 | 第36-37页 |
| 4 面向人脸检测的主题网络爬虫设计与实现 | 第37-50页 |
| 4.1 面向人脸检测的主题网络爬虫的设计 | 第37-44页 |
| 4.1.1 系统设计目标 | 第37页 |
| 4.1.2 系统功能设计 | 第37-42页 |
| 4.1.3 系统实现流程 | 第42-44页 |
| 4.2 面向人脸检测的主题网络爬虫系统的实现 | 第44-47页 |
| 4.2.1 图片提取实现的伪代码及分析 | 第44-46页 |
| 4.2.2 人脸检测部分实现的伪代码 | 第46-47页 |
| 4.3 实验结果及分析 | 第47-49页 |
| 4.3.1 实验结果显示 | 第47-49页 |
| 4.3.2 实验结果分析 | 第49页 |
| 4.4 本章小结 | 第49-50页 |
| 5 总结与展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-53页 |