声明
摘要
图索引
表索引
符号说明
第一章 绪论
1.1 研究背景与意义
1.1.1 课题研究背景
1.1.2 课题研究意义
1.2 国内外研究现状
1.2.1 图像情感语义分析的研究现状
1.2.2 图像检索技术研究现状
1.3 大数据处理与图像检索
1.3.1 大数据的种类、特点和应用
1.3.2 大数据处理面临的问题
1.3.3 大数据处理与图像检索的关系
1.4 本文主要工作
1.5 论文组织结构
1.6 本章小结
第二章 开放行为学实验环境下的场景图像情感语义分析
2.1 图像情感语义理解的相关概念
2.2 图像语义层次模型
2.3 开放行为学实验环境下场景图像的情感语义分析
2.3.1 情感模型的选择
2.3.2 被试的选取
2.3.3 实验数据和方案设计
2.3.4 场景图像情感语义数据分析方法
2.3.5 场景图像的情感语义数据实验分析
2.4 图像分析和检索的性能评测
2.5 本章小结
第三章 基于模糊理论的场景图像情感语义标注方法
3.1 模糊理论
3.1.1 概述
3.1.2 基本定义
3.2 颜色视觉特征提取
3.2.1 颜色空间的选取
3.2.2 HSV颜色空间量化
3.2.3 基于权重的不规则分块场景图像颜色特征提取
3.3 场景图像的模糊语义描述
3.3.1 情感值的确定
3.3.2 情感规则G
3.3.3 情感规则映射T
3.4 基于T-S模糊神经网络的场景图像的情感语义特征映射
3.4.1 T-S模糊神经网络(T-S FNN)
3.4.2 语义特征映射
3.5 场景图像的情感语义自动标注
3.6 实验结果及分析
3.7 本章小结
第四章 基于Adaboost-PSO-BP神经网络的场景图像情感语义类别预测算法
4.1 融合情绪、性格因素的OCC情感模型
4.1.1 情绪因素描述
4.1.2 性格因素描述
4.1.3 融合情绪、性格因素的情感建模方法
4.2 BP神经网络权值和阈值的优化
4.2.1 BP神经网络
4.2.2 粒子群优化算法(PSO)优化BP神经网络
4.3 Adaboost-PSO-BP神经网络预测算法
4.3.1 Adaboost算法
4.3.2 Adaboost-PSO-BP神经网络算法
4.4 场景图像情感语义类别预测
4.5 实验结果与讨论
4.6 本章小结
第五章 基于MapReduce的大规模场景图像检索技术
5.1 Hadoop平台相关技术介绍
5.1.1 Hadoop的起源和背景
5.1.2 HDFS体系结构
5.1.3 MapReduce编程模型
5.1.4 Mahout算法库
5.2 基于MapReduce的大规模场景图像检索方案
5.2.1 场景图像检索整体框架
5.2.2 大规模场景图像及其特征的存储
5.2.3 场景图像的特征提取
5.2.4 基于分布式Mean Shift的场景图像特征聚类算法
5.3 实验与结果分析
5.3.1 实验环境与测试数据
5.3.2 系统性能测试与分析
5.4 本章小结
第六章 总结与展望
6.1 本文工作总结
6.2 研究展望
参考文献
致谢
攻读学位期间发表的学术论文
攻读学位期间主持和参与的科研项目
攻读学位期间获得的学术奖励
论文独创性说明