基于密度峰值聚类的古籍图像标注技术应用研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-27页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.2 研究现状 | 第15-23页 |
| 1.2.1 图像标注的研究与现状 | 第15-19页 |
| 1.2.2 聚类分析的研究与现状 | 第19-20页 |
| 1.2.3 关联分析的研究与现状 | 第20-21页 |
| 1.2.4 古籍文献相关研究现状 | 第21-23页 |
| 1.3 本领域存在的主要问题 | 第23-24页 |
| 1.4 本文主要工作与组织结构 | 第24-27页 |
| 第二章 基于密度峰值聚类的古籍图像标注研究 | 第27-39页 |
| 2.1 引言 | 第27-28页 |
| 2.2 古籍图像标注总体框架 | 第28-29页 |
| 2.3 古籍图像的归一化处理 | 第29-36页 |
| 2.3.1 古籍图像采集与整理 | 第30页 |
| 2.3.2 古籍图像的灰度处理 | 第30-31页 |
| 2.3.3 古籍图像的二值化 | 第31-32页 |
| 2.3.4 古籍图像的去噪 | 第32-33页 |
| 2.3.5 古籍图像的特征切分 | 第33-34页 |
| 2.3.6 特征存储表示与编码 | 第34-36页 |
| 2.4 基于信息熵优化的古籍图像密度峰值聚类 | 第36-37页 |
| 2.5 关联分析优化古籍图像聚类 | 第37页 |
| 2.6 密度峰值聚类的古籍图像标注技术应用原型 | 第37-38页 |
| 2.7 本章小结 | 第38-39页 |
| 第三章 利用信息熵改进古籍图像聚类方法研究 | 第39-58页 |
| 3.1 引言 | 第39-40页 |
| 3.2 类特征选择与相似性度量 | 第40-41页 |
| 3.3 基于密度峰值的聚类算法 | 第41-43页 |
| 3.4 信息熵改进的密度峰值聚类方法 | 第43-46页 |
| 3.4.1 类密度中心的选取 | 第43页 |
| 3.4.2 增长步伐 | 第43-44页 |
| 3.4.3 基于信息熵评估的密度峰值聚类策略 | 第44-46页 |
| 3.5 基于贪心策略的聚类归并方法 | 第46-47页 |
| 3.6 实验结果分析 | 第47-57页 |
| 3.6.1 实验相关设置 | 第47-49页 |
| 3.6.2 UCI数据集的实验结果 | 第49-53页 |
| 3.6.3 彝文古籍数据集的实验结果 | 第53-56页 |
| 3.6.4 实验结果与分析 | 第56-57页 |
| 3.7 本章小结 | 第57-58页 |
| 第四章 关联分析优化古籍图像聚类研究 | 第58-74页 |
| 4.1 引言 | 第58-59页 |
| 4.2 颜色空间 | 第59-61页 |
| 4.3 关联分析图像关键点频率计算策略 | 第61-63页 |
| 4.4 基于关联分析的图像关键点频率规则挖掘方法 | 第63页 |
| 4.5 关联分析优化的古籍图像聚类方法 | 第63-66页 |
| 4.6 实验结果分析 | 第66-72页 |
| 4.6.1 实验设置 | 第66页 |
| 4.6.2 实验结果与分析 | 第66-72页 |
| 4.7 本章小结 | 第72-74页 |
| 第五章 古籍图像标注技术应用系统的研究与设计 | 第74-83页 |
| 5.1 引言 | 第74-75页 |
| 5.2 系统总体设计 | 第75-76页 |
| 5.3 系统详细设计 | 第76-79页 |
| 5.3.1 区域选择 | 第77页 |
| 5.3.2 分类器设计 | 第77-78页 |
| 5.3.3 标注显示 | 第78-79页 |
| 5.4 系统模型验证 | 第79-81页 |
| 5.5 服务部署 | 第81页 |
| 5.6 分析与讨论 | 第81页 |
| 5.7 本章小结 | 第81-83页 |
| 第六章 结论与展望 | 第83-86页 |
| 6.1 本文结论 | 第83-84页 |
| 6.2 本文未来展望 | 第84-86页 |
| 参考文献 | 第86-93页 |
| 致谢 | 第93-94页 |
| 攻读硕士学位期间发表的论文和成果 | 第94页 |
