声明
第1章 绪论
1.1 研究背景
1.2 研究意义
1.3 个性化图像标签推荐的关键问题
1.4 本文主要研究内容及创新点
1.5 本文组织结构
第2章 研究现状
2.1 研究现状概述
2.2 基于不同类型数据的标签推荐
2.2.1基于标签数据的标签推荐
2.2.2基于标签和图像数据的标签推荐
2.2.3基于标签、图像和元数据信息的标签推荐
2.3 标签推荐的常用模型与算法
2.3.1基于实例的标签推荐
2.3.2基于模型的标签推荐
2.3.3基于直推式的标签推荐
2.4 本章小结
第3章 图像标签推荐问题概述
3.1 图像标签推荐问题的形式化表示
3.2 图像特征表示
3.2.1图像常用的视觉特征
3.2.2本文使用的图像特征
3.3 相似度度量方法
3.3.1图像的视觉相似度常用度量方法
3.3.2标签相似度常用度量方法
3.4 常用性能评价测度
3.4.1 NDCG
3.4.2 P(查准率)、R(查全率)、P-R曲线
3.4.3 ROC曲线
3.4.4 AP和MAP
3.5 本章总结
第4章 图像共享社区概述
4.1 标签系统特点
4.2 常用图像共享社区
4.2.1 Instagram
4.2.2 Myspace
4.2.3 Imgur
4.3 Flickr图像共享社区
4.3.1 Flickr介绍
4.3.2 Flickr中图像包含的元数据信息
4.3.3 Flickr常用数据集
4.3.4对Flickr分析
4.4 本章总结
第5章 基于二分图的个性化标签推荐
5.1 二分图模型的构建
5.2 基于二分图模型的信息扩散
5.2.1 在图像-标签二分图上的信息扩散
5.2.2 在群组-标签二分图上的信息扩散
5.2.3 在地点-标签二分图上的信息扩散
5.3 图像标签分值向量计算
5.4 基于二分图的个性化图像标签推荐算法
5.4.1 算法描述
5.4.2 个性化标签推荐过程说明
5.4.3 原型系统
5.5 实验
5.5.1参数设置
5.5.2性能评测及分析
5.6 总结
第6章 基于卷积特征与加权随机游走的个性化标签推荐
6.1 图像视觉特征对图像标注的影响
6.2 卷积特征
6.2.1使用卷积特征作为图像特征的依据
6.2.2卷积特征的提取
6.2.3使用卷积特征的问题
6.3 特征编码
6.4 近邻选取
6.4.1视觉相似性
6.4.2群组相似性
6.4.3近邻形式化表示
6.5 加权随机游走算法
6.5.1加权近邻标签二分图
6.5.2加权的随机游走算法
6.6 实验
6.6.1提取特征的卷积层选择
6.6.2λ参数设置
6.6.3性能评测
6.7 总结
第7章 总结与展望
7.1 总结
7.2 未来研究工作展望
参考文献
攻读硕士学位期间发表的学术成果
致谢
山东财经大学;