第1章 绪论 1
1.1 研究背景与意义 1
1.1.1 研究背景 1
1.1.2 研究意义 5
1.2 国内外研究现状 7
1.2.1 图像的情感语义分析 7
1.2.2 图像检索技术研究现状 14
1.3 本书主要工作 17
1.3.1 场景图像的情感语义特征提取研究 18
1.3.2 基于模糊理论的场景图像自动标注方法研究 18
1.3.3 场景图像的情感类别预测研究 19
1.3.4 基于MapReduce的大规模场景图像检索技术研究 20
1.4 本书组织结构 20
1.5 本章小结 22
第2章 大数据处理与图像检索 23
2.1 大数据的种类、特点和应用 23
2.1.1 大数据的种类 23
2.1.2 大数据的特点 25
2.1.3 大数据的应用 26
2.2 大数据处理面临的问题 29
2.3 大数据处理与图像检索的关系 30
2.4 本章小结 32
第3章 开放行为学实验环境下的场景图像情感语义分析 33
3.1 图像情感语义理解的相关概念 33
3.1.1 情感与情感计算 33
3.1.2 情感建模 34
3.1.3 图像情感语义分析 35
3.1.4 图像情感语义标注 36
3.1.5 图像情感语义检索 37
3.2 图像语义层次模型 38
3.3 开放行为学实验环境下场景图像的情感语义分析 40
3.3.1 情感模型的选择 40
3.3.2 被试的选取 42
3.3.3 实验数据和方案设计 43
3.3.4 场景图像情感语义数据分析方法 44
3.3.5 场景图像的情感语义数据实验分析 45
3.4 图像分析和检索的性能评测 49
3.5 本章小结 51
第4章 基于模糊理论的场景图像情感语义标注方法 52
4.1 模糊理论 52
4.1.1 概述 52
4.1.2 基本定义 54
4.2 颜色视觉特征提取 55
4.2.1 颜色空间的选取 55
4.2.2 HSV颜色空间量化 58
4.2.3 基于权重的不规则分块场景图像颜色特征提取 59
4.3 场景图像的模糊语义描述 61
4.3.1 情感值的确定 61
4.3.2 情感规则G 62
4.3.3 情感规则映射T 63
4.4 基于T-S模糊神经网络的场景图像的情感语义特征映射 63
4.4.1 T-S模糊神经网络（T-S FNN） 64
4.4.2 语义特征映射 66
4.5 场景图像的情感语义自动标注 69
4.6 实验结果及分析 70
4.7 本章小结 72
第5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 74
5.1 融合情绪、性格因素的OCC情感模型 74
5.1.1 情绪因素描述 75
5.1.2 性格因素描述 78
5.1.3 融合情绪、性格因素的情感建模方法 79
5.2 BP神经网络权值和阈值的优化 80
5.2.1 BP神经网络 80
5.2.2 粒子群优化算法（PSO）优化BP神经网络 82
5.3 Adaboost-PSO-BP神经网络预测算法 85
5.3.1 Adaboost算法 85
5.3.2 Adaboost-PSO-BP神经网络算法 85
5.4 场景图像情感语义类别预测 87
5.5 实验结果与讨论 88
5.6 本章小结 92
第6章 基于MapReduce的大规模场景图像检索技术 93
6.1 Hadoop平台相关技术介绍 93
6.1.1 Hadoop的起源和背景 93
6.1.2 H DFS体系结构 95
6.1.3 MapReduce编程模型 96
6.1.4 Mahout算法库 98
6.2 基于MapReduce的大规模场景图像检索方案 101
6.2.1 场景图像检索整体框架 101
6.2.2 大规模场景图像及其特征的存储 104
6.2.3 场景图像的特征提取 106
6.2.4 基于分布式Mean Shift的场景图像特征聚类算法 106
6.3 实验与结果分析 110
6.3.1 实验环境与测试数据 110
6.3.2 系统性能测试与分析 110
6.4 本章小结 115
第7章 总结与展望 116
7.1 本书工作总结 116
7.2 研究展望 118
参考文献 120