|
|
|
|
面向互联网社会化图像的标签优化算法研究 |
| |
| 论文目录 |
| |
| 摘要 | 第1-6页 | | Abstract | 第6-10页 | | 第1章 绪论 | 第10-24页 | | ·研究背景 | 第10-15页 | | ·研究的关键问题及现状 | 第15-18页 | | ·研究的关键问题及难点 | 第15-16页 | | ·国内外研究现状 | 第16-18页 | | ·研究的主要内容及创新点 | 第18-21页 | | ·论文的组织结构 | 第21-24页 | | 第2章 研究基础及相关工作 | 第24-38页 | | ·图像视觉内容及其特征表示 | 第24-28页 | | ·颜色和纹理特征 | 第24-25页 | | ·SIFT特征 | 第25-26页 | | ·CPAM特征 | 第26-28页 | | ·相似性度量方式 | 第28-31页 | | ·推土机距离 | 第29-30页 | | ·Hausdorff距离 | 第30-31页 | | ·聚类算法 | 第31-33页 | | ·K均值及K中心点聚类算法 | 第31-32页 | | ·AP聚类算法 | 第32-33页 | | ·常用数据集简介 | 第33-36页 | | ·本章小结 | 第36-38页 | | 第3章 基于多层聚类的图像标签优化算法 | 第38-58页 | | ·引言 | 第38-39页 | | ·本章算法描述 | 第39-50页 | | ·粗粒度聚类 | 第41-44页 | | ·细粒度聚类 | 第44-48页 | | ·标签的净化 | 第48-50页 | | ·本章实验 | 第50-55页 | | ·实验准备 | 第50-52页 | | ·实验结果及分析 | 第52-55页 | | ·本章小结 | 第55-58页 | | 第4章 基于正则化最优方法的图像标签优化算法 | 第58-74页 | | ·引言 | 第58-59页 | | ·本章算法描述 | 第59-66页 | | ·非负矩阵分解 | 第60-62页 | | ·图像的整体视觉离散度 | 第62-63页 | | ·正则化项 | 第63页 | | ·优化问题的求解 | 第63-65页 | | ·标签的完备 | 第65-66页 | | ·本章实验 | 第66-71页 | | ·评价指标与对比算法 | 第66-67页 | | ·测试图像集 | 第67-68页 | | ·实验结果及分析 | 第68-71页 | | ·本章小结 | 第71-74页 | | 第5章 基于语义本体和近邻投票的图像标签优化算法 | 第74-90页 | | ·引言 | 第74-75页 | | ·本章算法描述 | 第75-83页 | | ·语义本体的构建 | 第75-78页 | | ·标签上下文 | 第78-80页 | | ·图像上下文 | 第80-82页 | | ·抽象标签的精化 | 第82-83页 | | ·本章实验 | 第83-89页 | | ·实验准备 | 第84-85页 | | ·实验评价指标 | 第85-86页 | | ·实验结果及分析 | 第86-89页 | | ·本章小结 | 第89-90页 | | 第6章 基于多示例学习的图像标签优化算法 | 第90-110页 | | ·引言 | 第90-91页 | | ·多示例学习 | 第91-93页 | | ·多样性密度算法 | 第92-93页 | | ·本章算法描述 | 第93-100页 | | ·多尺度示例生成 | 第95-97页 | | ·初始点选择 | 第97-98页 | | ·多样性密度加速计算 | 第98-99页 | | ·边界检测 | 第99-100页 | | ·标签与图像区域的对应 | 第100页 | | ·本章实验 | 第100-107页 | | ·实验准备 | 第100-101页 | | ·实验结果及分析 | 第101-107页 | | ·本章小结 | 第107-110页 | | 第7章 总结与展望 | 第110-114页 | | ·论文总结 | 第110-112页 | | ·进一步研究及展望 | 第112-114页 | | 参考文献 | 第114-126页 | | 致谢 | 第126-128页 | | 攻读博士学位期间发表的学术论文和参加科研情况 | 第128-130页 |
|
|
|
|
论文编号BS2257186，这篇论文共130页
会员购买按0.35元/页下载，共需支付45.5元。 直接购买按0.5元/页下载，共需要支付65元 。 |
 |
 |
我还不是会员，注册会员！
会员下载更优惠!充值送钱！ |
我只需要这篇，无需注册！
直接网上支付，方便快捷！ |
|
|
|
版权申明：本目录由www.jylw.com网站制作，本站并未收录原文，如果您是作者，需要删除本篇论文目录请通过QQ或其它联系方式告知我们，我们承诺24小时内删除。 |
|
|
广告服务