采用模糊聚类和SVM的木板套色版画情感语义识别
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 图像情感语义识别的研究背景与应用 | 第7-11页 |
| 1.1.1 图像情感语义识别的研究背景 | 第7-9页 |
| 1.1.2 图像情感语义识别应用 | 第9-11页 |
| 1.2 论文主要工作 | 第11-12页 |
| 第二章 木板套色版画与情感 | 第12-20页 |
| 2.1 木板套色版画的介绍 | 第12页 |
| 2.2 情感 | 第12-16页 |
| 2.2.1 图像与情感 | 第12-13页 |
| 2.2.2 PAD三维情感模型 | 第13-16页 |
| 2.3 图像特征与情感 | 第16-19页 |
| 2.3.1 图像情感语义的概念 | 第16页 |
| 2.3.2 颜色特征与情感 | 第16-17页 |
| 2.3.3 纹理特征与情感 | 第17-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 图像特征提取 | 第20-28页 |
| 3.1 图像颜色特征提取 | 第20-25页 |
| 3.1.1 图像的颜色空间 | 第20-21页 |
| 3.1.2 颜色直方图法 | 第21-25页 |
| 3.2 图像纹理特征提取 | 第25-27页 |
| 3.3 本章小结 | 第27-28页 |
| 第四章 模糊C均值聚类算法 | 第28-31页 |
| 4.1 聚类分析的基本概念 | 第28页 |
| 4.2 模糊C均值聚类算法 | 第28-30页 |
| 4.2.1 模糊集合 | 第28-29页 |
| 4.2.2 模糊C均值聚类算法 | 第29-30页 |
| 4.3 本章小结 | 第30-31页 |
| 第五章 支持向量机(SVM) | 第31-42页 |
| 5.1 关于计算机学习的基本问题 | 第31页 |
| 5.2 支持向量机方法 | 第31-38页 |
| 5.2.1 SVM的基本思想 | 第31-32页 |
| 5.2.2 SVM识别模式问题的数学表述 | 第32-33页 |
| 5.2.3 支持向量和最优划分平面的概念 | 第33-38页 |
| 5.3 非线性支持向量机多类分类识别算法 | 第38-41页 |
| 5.3.1 非线性SVM | 第38-39页 |
| 5.3.2 Mercer核函数 | 第39-40页 |
| 5.3.3 多类分类的SVM方法——二叉树算法 | 第40-41页 |
| 5.4 本章小结 | 第41-42页 |
| 第六章 木板套色版画情感语义识别的实现 | 第42-52页 |
| 6.1 FCM-SVM的基本原理 | 第42-43页 |
| 6.2 FCM-SVM算法过程 | 第43-45页 |
| 6.2.1 训练阶段 | 第43-45页 |
| 6.2.2 测试阶段 | 第45页 |
| 6.3 实验结果及分析 | 第45-51页 |
| 6.4 本章小结 | 第51-52页 |
| 第七章 总结与展望 | 第52-54页 |
| 7.1 论文总结 | 第52页 |
| 7.2 展望 | 第52-54页 |
| 附录A | 第54-55页 |
| A.1 问卷调查样表 | 第54-55页 |
| 附录B | 第55-57页 |
| B.1 木板套色版画情感分类情况表 | 第55-56页 |
| B.2 木板套色版画情感分类结果统计表 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60页 |
