声明
摘要
第1章 绪论
1.1 课题研究的背景及意义
1.2 国内外研究现状
1.2.1 图像分类的研究现状
1.2.2 基于LDA的图像分类研究现状
1.2.3 图核研究现状
1.3 主要研究内容与创新点
1.4 论文的组织结构
1.5 本章小结
第2章 相关理论
2.1 主题模型
2.1.1 主题模型的概念
2.1.2 参数学习
2.2 图核相关理论
2.2.1 图论的相关简介
2.2.2 图核的基本原理
2.3 支持向量机相关理论
2.3.1 基本原理
2.3.2 核函数的选择
2.3.3 SVM多类分类器的设计
2.4 本章小结
第3章 基于主题模型的图像分类研究
3.1 图像局部视觉特征的提取
3.1.1 SIFT特征
3.1.2 RGB SIFT特征
3.2 改进的词袋模型
3.3 基于LDA模型的图像分类算法
3.4 实验结果与分析
3.4.1 实验图像库
3.4.2 模型1:SIFT+K-means+LDA
3.4.3 模型2:RGB SIFT+K-means+LDA
3.4.4 实验分析
3.5 本章小结
第4章 基于图核的图像分类研究
4.1 几种常见图核的比较
4.1.1 随机通路核
4.1.2 最短通路核
4.1.3 最小生成树核
4.2 改进的最小生成树图核模型
4.2.1 建立四叉树
4.2.1 生成图结构
4.2.3 最小生成树图核计算
4.3 节点和边相似性计算
4.3.1 节点相似性计算
4.3.2 边相似性计算
4.4 改进的生成树图核算法在图像分类中的应用
4.5 实验结果与分析
4.5.1 图像库说明
4.5.2 参数设置
4.5.3 实验分析
4.6 本章小结
第5章 结合主题模型和图核模型的图像分类的研究
5.1 计算LDA模型中图像相似性
5.2 结合最小生成树图核和LDA模型的图像相似性计算
5.3 实验工具和软件包
5.4 参数的选取
5.5 实验结果与分析
5.6 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
攻读硕士学位期间发表的论文