| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-10页 |
| 1.1 研究背景与意义 | 第7-8页 |
| 1.2 论文主要内容 | 第8页 |
| 1.3 本文组织结构 | 第8-10页 |
| 2 相关技术 | 第10-22页 |
| 2.1 图像表示 | 第10-14页 |
| 2.2.1 全局特征 | 第10-11页 |
| 2.2.2 局部特征 | 第11页 |
| 2.2.3 深度框架特征 | 第11-12页 |
| 2.2.4 特征匹配 | 第12-13页 |
| 2.2.5 多视角特征学习 | 第13-14页 |
| 2.2 国内外研究现况 | 第14-19页 |
| 2.3.1 基于模型学习的算法 | 第14-16页 |
| 2.3.2 基于数据库搜索的算法 | 第16-18页 |
| 2.3.3 其他技术 | 第18-19页 |
| 2.3 评价标准 | 第19-21页 |
| 2.4 本章总结 | 第21-22页 |
| 3 基于语义场景分类的图像标注方法研究 | 第22-59页 |
| 问题的提出 | 第22-24页 |
| 3.1 潜在场景的检测与样本映射 | 第24-29页 |
| 3.1.1 标签关系图 | 第25-26页 |
| 3.1.2 场景检测 | 第26-27页 |
| 3.1.3 潜在场景个数确定 | 第27-28页 |
| 3.1.4 样本映射 | 第28-29页 |
| 3.2 场景分类 | 第29-33页 |
| 3.2.1 MKL方法 | 第29-30页 |
| 3.2.2 基于DE算法的多视角特征极限学习机 | 第30-33页 |
| 3.3 场景内标注 | 第33-34页 |
| 3.4 基于潜在场景分类的图像标注算法描述 | 第34-35页 |
| 3.5 实验设计与结果分析 | 第35-58页 |
| 3.5.1 Corel 5k数据集 | 第37-40页 |
| 3.5.2 Nus-WIDE数据集 | 第40-46页 |
| 3.5.3 Iaprtc12数据集 | 第46-52页 |
| 3.5.4 MIRFlickr数据集 | 第52-58页 |
| 3.6 本章总结 | 第58-59页 |
| 4 基于多视角和图嵌入的半监督图像标注算法研究 | 第59-74页 |
| 4.1 问题的提出 | 第59-61页 |
| 4.2 NMF-based目标函数的建立 | 第61-65页 |
| 4.2.1 矩阵非负因子分解（NMF） | 第61-62页 |
| 4.2.2 图嵌入（Graph Embedding） | 第62-63页 |
| 4.2.3 算法模型建立 | 第63-65页 |
| 4.3 更新规则推导 | 第65-67页 |
| 4.4 算法流程描述 | 第67-68页 |
| 4.5 实验效果与分析 | 第68-73页 |
| 4.5.1 数据集选取和实验设计 | 第68-69页 |
| 4.5.2 实验结果 | 第69-73页 |
| 4.6 本章总结 | 第73-74页 |
| 结论 | 第74-76页 |
| 参考文献 | 第76-82页 |
| 攻读硕士学位期间发表学术论文情况 | 第82-83页 |
| 致谢 | 第83-85页 |