导读:本文包含了图片排序论文开题报告文献综述、选题提纲参考文献，主要关键词:图片,向量,深度,模型,规则,评价,用户。
图片排序论文文献综述写法
苏士美,王猛,许永波[1]（2019）在《一种摄影图片中用户专属的排序方法》一文中研究指出为了解决现存个性化照片排序方法忽视用户偏好和准确率低的缺点,提出一种新颖的、基于排序的支持向量机的用户专属美学排序模型。首先输入用户喜好的专属图片,随后通过深度卷积神经网络提取特征并与数据集进行对比,创建用户专属美学训练集,之后使用排序的支持向量机学习定制的超平面,并生成用户专属的个性化美学排序。后续实验中,第一组实验邀请用户进行算法个性化预测的评估,第二组实验测试图片质量高低的准确度。实验结果表明算法预测结果较符合用户喜好,同时在图片质量高低分类上有较高的准确度。因此,该算法是一种有效的个性化排序方法。(本文来源于《计算机应用研究》期刊2019年01期）
谭光兴,刘臻晖[2]（2015）在《基于改进的排序学习的图片检索算法研究》一文中研究指出图片检索是图片共享社会网络中的重要研究内容之一。传统的图片检索方法往往通过对用户输入的关键字和图片的文本描述加以匹配来进行图片检索。由于文本信息存在歧义性,图片的文本描述十分困难,因此检索结果的准确性低。为了提高图片检索的准确性,提出了基于排序学习的图片检索方法。将每幅图片通过多种特征描述符进行描述,当用户的输入为图片时,通过对比查询图片和图片库中图片的相似性进行图片检索。采用支持向量机和关联规则两种学习方法对特征描述符的权重组合进行学习,并提出了相应的学习算法。实验表明,提出的基于学习的图片检索方法与相关图片检索方法相比具有更高的准确性。此外,应用支持向量机和关联规则两种方法对分类函数进行学习时,由于两种算法通过相同的数据实例对图片描述符的权重进行学习,因此得到的结果是相关的。(本文来源于《计算机科学》期刊2015年12期）
宫明营,王智愚,孙立峰,杨士强[3]（2011）在《基于RankBoost的实时相似图片重排序算法研究》一文中研究指出随着互联网图片量的急剧增加,人们获取图片越来越依赖于计算机的自动处理。相似图像搜索作为通用图像搜索的一个扩展,是当前多媒体领域的一个重要研究方向,这个问题在技术上依赖于如何根据已有检索返回结果对图片重新排序。本文针对现有的研究成果,提出了利用评测系统选择最优特征,以及基于全特征集合选取图像特征的RankBoost相似图片重排序改进算法,并开发实现了一个完整的实时相似图片重排序系统,并提出了基于信息损失率进行图像预分类的方法。在真实互联网图片检索环境下生成的数据集上做了大量的测试工作,并利用多种指标对图像重排序结果进行了评测。实验结果表明,利用信息损失率进行图片预分类RankBoost改进算法得到了优质的重排序结果,从而证明了预分类方法和改进算法的有效性。(本文来源于《第七届和谐人机环境联合学术会议（HHME2011)论文集【poster】》期刊2011-09-17）
图片排序论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
图片检索是图片共享社会网络中的重要研究内容之一。传统的图片检索方法往往通过对用户输入的关键字和图片的文本描述加以匹配来进行图片检索。由于文本信息存在歧义性,图片的文本描述十分困难,因此检索结果的准确性低。为了提高图片检索的准确性,提出了基于排序学习的图片检索方法。将每幅图片通过多种特征描述符进行描述,当用户的输入为图片时,通过对比查询图片和图片库中图片的相似性进行图片检索。采用支持向量机和关联规则两种学习方法对特征描述符的权重组合进行学习,并提出了相应的学习算法。实验表明,提出的基于学习的图片检索方法与相关图片检索方法相比具有更高的准确性。此外,应用支持向量机和关联规则两种方法对分类函数进行学习时,由于两种算法通过相同的数据实例对图片描述符的权重进行学习,因此得到的结果是相关的。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
图片排序论文参考文献
[1].苏士美,王猛,许永波.一种摄影图片中用户专属的排序方法[J].计算机应用研究.2019
[2].谭光兴,刘臻晖.基于改进的排序学习的图片检索算法研究[J].计算机科学.2015
[3].宫明营,王智愚,孙立峰,杨士强.基于RankBoost的实时相似图片重排序算法研究[C].第七届和谐人机环境联合学术会议（HHME2011)论文集【poster】.2011