声明
致谢
摘要
1 绪论
1.1 论文研究背景及意义
1.2 相关研究现状
1.2.1 视频分析中的领域自适应
1.2.2 视频内容的多特征融合
1.2.3 视频概念的语义关联
1.3 当前研究存在的问题
1.3.1 特征层领域自适应的数据分配策略
1.3.2 多特征融合中领域自适应的缺失
1.3.3 概念语义模型中的多关联定义和直观性
1.4 论文研究内容
1.4.1 提出了领域自适应boosting算法
1.4.2 提出了领域自适应的多特征融合方法
1.4.3 提出了基于节点平衡的概念关联模型
1.5 论文的组织结构
2 视频概念检测基本技术介绍
2.1 视频分割
2.1.1 视频的时序分割
2.1.2 视频的内容分割
2.2 特征提取
2.2.1 关键帧提取
2.2.2 基于图像的特征
2.2.3 基于视频的特征
2.3 分类器设计
2.4 视频概念数据库介绍
2.5 小结
3 领域自适应boosting算法
3.1 TrAdaBoost算法及其存在的问题
3.2 领域自适应boosting模型的提出
3.2.1 问题阐述
3.2.2 训练和测试流程
3.2.3 源领域空间聚类
3.2.4 DAB算法
3.2.5 DAB算法的收敛性和错误率上界
3.3 DAB算法的应用
3.3.1 在肤色检测中的应用
3.3.2 在视频概念检测中的应用
3.4 实验结果
3.4.1 数据库介绍
3.4.2 在肤色检测模型中的性能评估
3.4.3 在视频概念检测模型中的性能评估
3.5 小结
4 领域自适应的多特征融合方法
4.1 两级语义模型的构成
4.2 领域自适应线性融合模型的提出
4.2.1 多特征融合中的领域自适应问题
4.2.2 领域数据与融合参数间的关联定义
4.2.3 距离度量定义
4.2.4 自适应优化过程
4.3 实验结果
4.3.1 数据库介绍
4.3.2 性能评估
4.3.3 参数分析
4.4 小结
5 基于节点平衡的概念关联模型
5.1 视频概念本体构建
5.1.1 共存关联
5.1.2 层级关联
5.1.3 时序关联
5.2 概念关联模型基本问题阐述
5.2.1 分值修正模型的数学描述
5.2.2 节点平衡模型的基本框架
5.3 节点模型构建
5.3.1 共存关联建模
5.3.2 层级关联建模
5.3.3 时序关联建模
5.3.4 移动代价
5.4 节点平衡过程
5.4.1 基于概念内部关联的平衡过程
5.4.2 基于所有关联关系的平衡过程
5.5 实验结果
5.5.1 数据库介绍
5.5.2 NE模型性能评估
5.5.3 不同关联关系的特性分析
5.5.4 NE模型参数分析
5.5.5 两级语义模型综合性能评估
5.5.6 初级分值与终级分值的关联
5.6 小结
6 结论
6.1 论文工作总结
6.2 未来工作展望
参考文献
附录
作者简历及攻读博士学位期间取得的研究成果
学位论文数据集